แนวทางสำหรับการสอบ AI/ML certification exams Practitioner (AIF), Associate (MLA), และ Specialty (MLS)

บทความนี้แปลมาจากบทความที่เป็นภาษาญี่ปุ่นที่ชื่อว่า AWSの3つのAI・機械学習認定試験をこれから受ける人のためのガイド - プラクティショナー(AIF)/アソシエイト(MLA)/スペシャルティ(MLS) โดยเจ้าของบทความนี้คือ คุณ quiver

ตั้งแต่เดือนสิงหาคม 2024 เป็นต้นไป การสอบรับรองที่เกี่ยวข้องกับ AI/ML ของ AWS จะมีการเพิ่มการสอบเบต้าสำหรับระดับ Foundational และระดับ Associate เข้ามา นอกเหนือจากระดับ Specialty ที่มีอยู่เดิม ทำให้มีการสอบทั้งหมด 3 ประเภท

• NEW:AWS Certified AI Practitioner(AIF)
• NEW:AWS Certified Machine Learning Engineer - Associate(MLA)
• AWS Certified Machine Learning - Specialty(MLS)

คุณ quiver สอบผ่านเมื่อวันที่ 27 สิงหาคม และ 1 กันยายน และตอนนี้ได้ผ่าน AWS certification ทั้งหมดแล้ว จากประสบการณ์นี้ คุณ quiver จะแนะนำวิธีการเรียนรู้สำหรับ certification ที่เกี่ยวข้องกับ AI/ML ของ AWS

เนื่องจากความต้องการในด้าน AI/ML กำลังเพิ่มสูงขึ้น ขอแนะนำให้ลองพยายามดูนะครับ

เกี่ยวกับการสอบ AWS Certification

AWS มีการสอบรับรองที่ตรวจสอบทักษะทางเทคนิคและความเชี่ยวชาญด้านคลาวด์ โดยแบ่งออกเป็น 4 หมวดหมู่ดังนี้

• Foundational
• Associate
• Professional
• Specialty
  

※รูปภาพอ้างอิงจาก AWS Certification

เกี่ยวกับการสอบ AI/ML ของ AWS

แม้ว่าจะมีความแตกต่างระหว่างระดับ Professional และ Specialty แต่การรับรองในสาย AI/ML ก็มี 3 ระดับเช่นเดียวกัน

New: ระดับเริ่มต้น: AI Practitioner (AIF)

New: ระดับกลาง: Machine Learning Engineer - Associate (MLA)

ระดับเชี่ยวชาญ: Machine Learning - Specialty (MLS)

ชื่อการสอบ	AI Practitioner	Machine Learning Engineer – Associate	Machine Learning – Specialty
ระดับ	Foundational	Associate	Specialty
ผู้ที่เหมาะสมกับการสอบ	บุคคลที่คุ้นเคยกับการใช้เทคโนโลยี AI/ML ของ AWS แต่ไม่จำเป็นต้องสร้าง solutions	บุคคลที่มีประสบการณ์อย่างน้อย 1 ปีในการใช้ Amazon SageMaker และบริการ ML อื่น ๆ ของ AWS	developer หรือ data scientist ที่ประสบการณ์ปฏิบัติงานอย่างน้อย 1 ปีในการพัฒนา ออกแบบสถาปัตยกรรม และ machine learning (ML)/deep learning workloads บน AWS Cloud
ประสบการณ์	ครึ่งปี	1 ปี	2 ปี
ค่าธรรมเนียมการสอบ	100 USD	150 USD	300 USD
เวลาสอบ	90 นาที	170 นาที	180 นาที
จำนวนคำถาม	65	85	65
เนื้อหาการสอบ	1.พื้นฐาน AI และ ML (20%) 2.พื้นฐาน Generative AI (24%) 3.การประยุกต์ใช้โมเดลพื้นฐาน (28%) 4.แนวทางความรับผิดชอบต่อ AI (14%) 5.ความปลอดภัย การปฏิบัติตามข้อกำหนด และการกำกับดูแลAI Solutions (14%)	1.การเตรียมข้อมูลสำหรับ machine learning (ML) (28%) 2.การพัฒนาโมเดล ML (26%) 3.การปรับใช้และการจัดการเวิร์กโฟลว์ ML (22%) 4.การตรวจสอบ บำรุงรักษา และความปลอดภัยของ ML solutions (24%)	1.Data Engineering (20%) 2.การวิเคราะห์ข้อมูลเชิงสำรวจ (24%) 3.การสร้างแบบจำลอง (36%) 4.การดำเนินการและการปฏิบัติงานด้าน Machine Learning (20%)
คู่มือการสอบ	https://d1.awsstatic.com/training-and-certification/docs-ai-practitioner/AWS-Certified-AI-Practitioner_Exam-Guide.pdf	https://d1.awsstatic.com/training-and-certification/docs-machine-learning-engineer-associate/AWS-Certified-Machine-Learning-Engineer-Associate_Exam-Guide.pdf	https://d1.awsstatic.com/training-and-certification/docs-ml/AWS-Certified-Machine-Learning-Specialty_Exam-Guide.pdf

เกี่ยวกับ AWS Certified AI Practitioner

AWS Certified AI Practitioner เป็นการสอบสำหรับบุคคลที่คุ้นเคยกับการใช้เทคโนโลยี AI/ML ของ AWS ในการสร้างโซลูชัน แต่ไม่ได้จำเป็นต้องเป็นผู้สร้างโซลูชันเอง

สัดส่วนของแต่ละสาขามีดังนี้

1. พื้นฐาน AI และ ML (20%)
   1.1. อธิบายแนวคิดและคำศัพท์พื้นฐานของ AI
   1.2. การใช้งานจริงของ AI
   1.3. อธิบาย lifecycle ของการพัฒนา ML

2. พื้นฐาน Generative AI (24%)
   2.1. อธิบายแนวคิดพื้นฐานของ generative AI
   2.2. เข้าใจถึงความเป็นไปได้และข้อจำกัดของการใช้ generative AI ในการแก้ปัญหาทางธุรกิจ
   2.3. อธิบายโครงสร้างพื้นฐานและเทคโนโลยีของ AWS สำหรับการสร้างแอปพลิเคชัน generative AI

3. การประยุกต์ใช้โมเดลพื้นฐาน (28%)
   3.1. อธิบายข้อควรพิจารณาด้านการออกแบบสำหรับแอปพลิเคชันที่ใช้โมเดลพื้นฐาน
   3.2. เลือกวิธีการ prompt engineering ที่มีประสิทธิภาพ
   3.3. อธิบายกระบวนการฝึกอบรมและปรับแต่งโมเดลพื้นฐาน
   3.4. อธิบายวิธีการประเมินประสิทธิภาพของโมเดลพื้นฐาน

4. แนวทางความรับผิดชอบต่อ AI (14%)
   4.1. อธิบายการพัฒนาระบบที่รับผิดชอบต่อ AI
   4.2. ตระหนักถึงความสำคัญของโมเดลที่โปร่งใสและอธิบายได้

5. ความปลอดภัย การปฏิบัติตามข้อกำหนด และการกำกับดูแล AI Solutions (14%)
   5.1. อธิบายวิธีการปกป้องระบบ AI
   5.2. ตระหนักถึงการกำกับดูแลและข้อบังคับการปฏิบัติตามข้อกำหนดของระบบ AI

"ส่วนที่ 1: พื้นฐาน AI และ ML" มีสัดส่วน 20% แต่เป็นพื้นฐานสำหรับอีก 4 สาขาที่เหลือด้วย เพื่อเตรียมตัวสำหรับการสอบต่อไป ควรศึกษาให้ละเอียด

จุดที่น่าสนใจคือ สองหมวดหมู่ของ generative AI และโมเดลพื้นฐานรวมกันแล้วมีสัดส่วนมากกว่า 50% Amazon Bedrock และ Amazon Q ก็เป็นบริการของ AWS ที่อยู่ในขอบเขตของการสอบด้วย
ในขณะที่การประยุกต์ใช้ AI ในโลกแห่งความเป็นจริงกำลังก้าวหน้าอย่างรวดเร็ว เราควรให้ความสนใจไม่เพียงแค่ความอยากรู้อยากเห็นทางเทคนิคเท่านั้น แต่ยังต้องให้ความสำคัญกับประเด็นเกี่ยวกับ AI and society เช่นที่ปรากฏในส่วนที่ 4 และส่วนที่ 5 ด้วย

ลองทำแบบทดสอบอย่างเป็นทางการของ AWS Skill Builder เพื่อทำความคุ้นเคยกับบรรยากาศของการสอบ

บริการหลักของ AWS ที่ถูกกล่าวถึงมีดังนี้

• Amazon EC2
• Amazon S3
• AWS Lambda
• Amazon SageMaker

ในทางกลับกันทักษะด้าน AI/ML engineering เหล่านี้จะไม่ถูกถาม

• การพัฒนาโมเดลหรืออัลกอริทึม AI/ML หรือการเขียนโค้ด
• การนำวิธี data engineering หรือ feature engineering ไปใช้
• การปรับแต่ง hyperparameter หรือการเพิ่มประสิทธิภาพของโมเดล
• การสร้างและปรับใช้ pipeline หรือโครงสร้างพื้นฐาน AI/ML
• การวิเคราะห์ทางคณิตศาสตร์หรือสถิติของโมเดล AI/ML
• การนำโปรโตคอลความปลอดภัยหรือการปฏิบัติตามข้อกำหนดของระบบ AI/ML ไปใช้
• การพัฒนาและการนำ framework แลและนโยบายของ AI/ML solutions ไปใช้

ใน AWS Skill Builder มีคอร์สเตรียมสอบอย่างเป็นทางการจำนวน 13 คอร์ส รวม 18 ชั่วโมง ชื่อว่า "Standard Exam Prep Plan: AWS Certified AI Practitioner (AIF-C01)"

เกี่ยวกับ AWS Certified Machine Learning Engineer – Associate

AWS Certified Machine Learning Engineer – Associate เป็นการสอบสำหรับบุคคลที่มีประสบการณ์อย่างน้อย 1 ปีในการใช้ Amazon SageMaker และบริการ ML engineering อื่น ๆ ของ AWS
สัดส่วนของแต่ละสาขามีดังนี้

1. การเตรียมข้อมูลสำหรับ machine learning (ML) (28%)
   1.1. นำเข้าข้อมูลและจัดเก็บข้อมูล
   1.2. แปลงข้อมูลและดำเนินการ feature engineering
   1.3. รับรองความสมบูรณ์ของข้อมูลและเตรียมข้อมูลสำหรับการสร้างแบบจำลอง

2. การพัฒนาโมเดล ML (26%)
   2.1. เลือกวิธีการสร้างแบบจำลอง
   2.2. ฝึกอบรมและปรับปรุงโมเดล
   2.3. วิเคราะห์ประสิทธิภาพของโมเดล

3. การปรับใช้และการจัดการเวิร์กโฟลว์ ML (22%)
   3.1. เลือกโครงสร้างพื้นฐานสำหรับการปรับใช้ตามสถาปัตยกรรมและข้อกำหนดที่มีอยู่
   3.2. สร้างและเขียนสคริปต์โครงสร้างพื้นฐานตามสถาปัตยกรรมและข้อกำหนดที่มีอยู่
   3.3. ใช้เครื่องมืออัตโนมัติในการจัดการเพื่อตั้งค่า CI/CD pipeline

4. การตรวจสอบ บำรุงรักษา และความปลอดภัยของ ML solutions (24%)
   4.1. ตรวจสอบการอนุมานของโมเดล
   4.2. ตรวจสอบและเพิ่มประสิทธิภาพโครงสร้างพื้นฐานและค่าใช้จ่าย
   4.3. รับรองความปลอดภัยของทรัพยากร AWS

ตามที่มีการระบุไว้ในคำอธิบายสำหรับผู้ที่เหมาะสมกับการสอบว่า "Amazon SageMaker" จะถูกถามอย่างละเอียด เนื่องจากส่วนที่ 1 ด้าน data engineering มีสัดส่วนประมาณ 30% การสอบนี้จึงเข้ากันได้ดีกับ AWS Certified Data Engineer Associate

การสอบนี้จะทดสอบทักษะด้าน ML และ data engineering บน AWS

ลองทำแบบทดสอบอย่างเป็นทางการของ AWS Skill Builder เพื่อทำความคุ้นเคยกับบรรยากาศของการสอบ

ใน AWS Skill Builder มีคอร์สเตรียมสอบอย่างเป็นทางการจำนวน 5 คอร์ส รวม 7.5 ชั่วโมง ชื่อว่า "Standard Exam Prep Plan: AWS Certified Machine Learning - Associate (MLA-C01)"

ขณะนี้อยู่ในช่วงการสอบเบต้า แต่คาดว่าจะสามารถจองการสอบจริงได้ตั้งแต่วันที่ 29 ตุลาคมเป็นต้นไป

เกี่ยวกับ AWS Certified Machine Learning – Specialty

AWS Certified Machine Learning – Specialty เป็นการสอบสำหรับผู้ที่ทำงานด้าน development หรือ data science ซึ่งมีประสบการณ์ปฏิบัติงานอย่างน้อย 1 ปีในการพัฒนา ออกแบบสถาปัตยกรรม และ machine learning (ML)/deep learning workloads บน AWS Cloud

สัดส่วนของแต่ละสาขามีดังนี้

1. Data Engineering (20%)
   1.1: สร้างที่เก็บข้อมูลสำหรับ ML
   1.2: ระบุและดำเนินการ data ingestion solution
   1.3: ระบุและดำเนินการ data transformation solution

2. การวิเคราะห์ข้อมูลเชิงสำรวจ (24%)
   2.1: ทำความสะอาดและเตรียมข้อมูลสำหรับการสร้างแบบจำลอง
   2.2: ดำเนินการ feature engineering
   2.3: วิเคราะห์และสร้างภาพข้อมูลสำหรับ machine learning

3. การสร้างแบบจำลอง (36%)
   3.1: มองปัญหาทางธุรกิจเป็นปัญหา machine learning
   3.2: เลือกโมเดลที่เหมาะสมกับปัญหา machine learning ที่เฉพาะเจาะจง
   3.3: ฝึกอบรมโมเดล machine learning
   3.4: ดำเนินการเพิ่มประสิทธิภาพ hyperparameter
   3.5: ประเมินโมเดล machine learning

4. การดำเนินการและปฏิบัติงานด้าน Machine Learning (20%)
   4.1: สร้างโซลูชัน machine learning ที่มีประสิทธิภาพ ความพร้อมใช้งาน ความสามารถในการปรับขนาด การกู้คืน และความทนทานต่อความล้มเหลว
   4.2: แนะนำและดำเนินการบริการ machine learning และฟีเจอร์ที่เหมาะสมกับปัญหาที่เฉพาะเจาะจง
   4.3: ใช้แนวปฏิบัติด้านความปลอดภัยพื้นฐานของ AWS กับโซลูชัน machine learning
   4.4: ปรับใช้และทำให้โซลูชัน machine learning สามารถปฏิบัติงานได้

การวิเคราะห์ข้อมูลและการสร้างแบบจำลองมีสัดส่วนถึง 60% ซึ่งต้องการความรู้ที่เชี่ยวชาญมากกว่าระดับ Associate

การสอบนี้มีมาตั้งแต่เดือนมีนาคม 2019 และมีการปรับปรุงใหม่ในช่วงเวลาที่ผ่านมา เมื่อดูจากคู่มือการสอบ (รุ่น 2.4 MLS-C01) จะเห็นว่าในหัวข้อ 3.2 มีการรวม "โมเดลภาษา (LLMs)" และ Amazon Q กับ Amazon Bedrock ก็รวมอยู่ในขอบเขตการสอบด้วย ซึ่งแสดงให้เห็นว่ามีการอัปเดตเนื้อหาอย่างต่อเนื่อง

ลองทำแบบทดสอบอย่างเป็นทางการของ AWS Skill Builder เพื่อทำความคุ้นเคยกับบรรยากาศของการสอบ

ใน AWS Skill Builder มีคอร์สเตรียมสอบอย่างเป็นทางการจำนวน 9 คอร์ส รวม 11 ชั่วโมง ชื่อว่า "Standard Exam Prep Plan: AWS Certified Machine Learning - Associate (MLA-C01)"

วิธีการเรียนรู้สำหรับการสอบ AI/ML certification

วิธีการเตรียมตัวสำหรับการสอบในสาย AI/ML ทั้ง 3 ประเภทนั้นเหมือนกัน

ก่อนอื่น ให้ลองทำชุดคำถาม (Practice Question Set) ที่ AWS Skill Builder จัดเตรียมไว้ให้

• คุณขาดความรู้ด้าน AI/ML มากน้อยแค่ไหน?
• คุณขาดความรู้ด้าน AWS มากน้อยแค่ไหน?

AIF Mock Questions

MLA Mock Questions

MLS Mock Questions

สำหรับชุดคำถามในระดับ Practitioner อย่าง AIF อาจมีหลายคนที่ทำคะแนนได้น้อย โดยเฉพาะผู้ที่กำลังมองหาการเตรียมตัวสำหรับการสอบในสาย AI/ML ซึ่งอาจต้องให้ความสำคัญกับการเรียนรู้ AI/ML มากขึ้น การกลับไปเรียนรู้จากพื้นฐานใหม่เป็นวิธีที่ดีที่สุด

ใน AWS Skill Builder มีเนื้อหาการเรียนรู้ที่ครอบคลุมและสอดคล้องกับขอบเขตการสอบ
https://explore.skillbuilder.aws/learn

หากคุณขาดความรู้ด้าน AI/ML ขอแนะนำคอร์ส "Machine Learning Crash Course" ที่ Google จัดให้ฟรี

เนื่องจากคอร์สนี้มีเนื้อหามากกว่าที่จำเป็นสำหรับการสอบ AWS ผู้ที่มีเวลามากพอสามารถเริ่มเรียนตั้งแต่ต้นได้ ส่วนผู้ที่มีเวลาน้อยควรเลือกเรียนเฉพาะส่วนที่ไม่คุ้นเคยหรือคำศัพท์ที่ระบุไว้ในคู่มือการสอบ

หากคุณขาดความรู้เกี่ยวกับ AWS ควรเริ่มต้นด้วยการตั้งเป้าหมายเพื่อสอบผ่าน Cloud Practitioner หรือ Solutions Architect Associate ก่อนครับ เพราะการทำแบบค่อยเป็นค่อยไปจะช่วยให้คุณมีความเข้าใจที่ดีกว่า

หากคุณขาดความรู้เกี่ยวกับบริการของ AWS ในสาย AI/ML ควรใช้แหล่งข้อมูลอย่างเอกสารทางการของ AWS เอกสารจากเวิร์กช็อปของ AWS เอกสารจากเซสชันในงาน AWS Summit หรือ re:Invent และบล็อกเทคนิคอย่าง DevelopersIO

ลำดับในการสอบ AI/ML certification

ต่อไปนี้เป็นคำอธิบายเกี่ยวกับลำดับการสอบรับรองในสาย AI/ML

ขอย้ำอีกครั้งว่าการสอบในสาย AI/ML มีความเฉพาะตัวสูง

สำหรับผู้ที่มีพื้นฐานจากการสอบรับรองทั่วไปของ AWS (เช่น Solutions Architect) และต้องการเรียนรู้เพิ่มเติมเพื่อสอบรับรองของ AWS หมายความว่าคุณจะต้องเรียนรู้เพิ่มเติมในส่วนนี้มาก

หากต้องการสอบรับรอง AWS ทั้งหมด การสอบจากระดับต่ำสุดไปสูงสุด เช่น Cloud Practitioner → AI Practitioner → Solutions Architect Associate อาจไม่ใช่วิธีที่ดีที่สุด การรวบรวมสอบในสาย AI/ML ในช่วงเวลาเดียวกันจะทำให้การเรียนรู้มีประสิทธิภาพมากขึ้น

ลำดับต่อไปนี้เป็นการจัดเรียงตามการเรียนรู้ที่ AWS เสนอและปรับเปลี่ยนตามความเหมาะสม

AWS certification paths

ในกรณีที่เป็นสายงานที่ไม่ใช่ด้านเทคนิค

ควรตั้งเป้าหมายในการสอบผ่าน Cloud Practitioner หรือ Solutions Architect Associate ก่อน เนื่องจากมีแหล่งข้อมูลการเรียนรู้ที่หลากหลาย

Solutions Architect Associate สามารถข้ามได้หากต้องการ

ในกรณีของ Solutions Architect

สำหรับผู้ที่ไม่ได้ทำงานเกี่ยวข้องกับ AI/ML ในชีวิตประจำวัน อาจรู้สึกว่าความเฉพาะตัวของสาขา AI/ML เป็นอุปสรรคที่ใหญ่กว่าความแตกต่างระหว่างระดับ Fundamental, Associate และ Specialty

ควรสอบผ่าน Solutions Architect Associate หรือ Solutions Architect Professional ก่อน แล้วค่อยรวบรวมสอบทั้ง 3 ประเภทในสาย AI/ML

ในกรณีของ AI/ML and data engineer

หากคุณทำงานด้านวิศวกรรมในบริษัทธุรกิจ อาจมีโอกาสน้อยที่จะได้ใช้งานบริการอื่น ๆ นอกเหนือจากบริการที่ใช้อยู่แล้ว

การสอบของ AWS ต้องการความรู้ที่กว้างขวางเกี่ยวกับ AWS ดังนั้นหากสอบ Data Engineer Associate ซึ่งมีหลายส่วนที่ซ้อนทับกับการรับรองในสาย AI/ML ด้วย ก็จะช่วยเพิ่มทักษะด้าน data engineering

การสอบ AIF และ MLA สำหรับผู้ที่มีใบรับรอง MLS

AWS Certified Machine Learning – Specialty (MLS) ซึ่งเป็นใบรับรองระดับสูงมีมาตั้งแต่เดือนมีนาคม 2019 และเนื่องจาก AI/ML และ AWS มีการพัฒนาอย่างมากในช่วงหลัง ทำให้ MLS ระดับสูงไม่ได้ครอบคลุม AIF ระดับเริ่มต้นหรือ MLA ระดับกลาง

นี่เป็นหนึ่งในปัจจัยที่ทำให้ผู้ถือ MLS รู้สึกถึงความยากเมื่อต้องสอบ AIF

ลองมาดูความแตกต่างกัน

SageMaker มีบทบาทที่โดดเด่นมากในการสอบ AIF/MLA

เป็นตัวอย่างที่ชัดเจน จำนวนครั้งที่ SageMaker ปรากฏในคู่มือการสอบนั้นแตกต่างกันมากระหว่าง MLS และ AIF/MLA

ใน MLS "Amazon SageMaker" และ "Amazon SageMaker built-in algorithms" ปรากฏเพียง 2 ครั้ง ในขณะที่ใน AIF ปรากฏ 12 ครั้ง และใน MLA ปรากฏถึง 39 ครั้ง

ต่อไปนี้คือบริการที่เกี่ยวข้องกับ SageMaker ที่ปรากฏใน AIF และ MLA

บริการที่เกี่ยวข้องกับ SageMaker	AIF	MLA
Clarify	O	O
Data Wrangler	O	O
Feature Store	O	O
Ground Truth		O
Inference Recommender		O
JumpStart		O
Model Cards	O
Model Debugger	O	O
Model Monitor	O	O
Neo		O
Pipelines		O
Role Manager		O
Savings Plans		O
Script Mode		O
Studio		O

ความแตกต่างในขอบเขตระหว่าง MLS และ AIF

AIF ระดับเริ่มต้นและ MLS ระดับสูงมีความแตกต่างกันอย่างสิ้นเชิงในระดับสาขาวิชา

ความรู้ในส่วนที่ 1 ของ AIF "พื้นฐาน AI และ ML" ถือว่าเป็นที่รู้จักใน MLS ด้วยเช่นกัน แต่ใน 4 ส่วนที่เหลือของ AIF ไม่มีสาขาหรือภารกิจที่สอดคล้องใน MLS

• ส่วนที่ 2: พื้นฐาน Generative AI
• ส่วนที่ 3: การประยุกต์ใช้โมเดลพื้นฐาน
• ส่วนที่ 4: แนวทางความรับผิดชอบต่อ AI
• ส่วนที่ 5: ความปลอดภัย การปฏิบัติตามข้อกำหนด และการกำกับดูแล AI Solutions

ความยากของ AIF อาจเกิดจากการที่ความรู้เก่าจากเมื่อ 5 ปีก่อนอาจไม่เพียงพอในการสอบ AIF

อย่างไรก็ตาม เมื่อดูบริการด้าน machine learning ที่อยู่ในขอบเขตของคู่มือการสอบ MLS-C01 รุ่น 2.4 พบว่ามีบริการใหม่ ๆ อย่าง Amazon Bedrock รวมอยู่ด้วย ซึ่งไม่พบความแตกต่างที่เด่นชัดระหว่าง AIF และ MLS

ความแตกต่างระหว่าง MLS และ MLA

ใน MLS หัวข้อ "ส่วนที่ 4: การดำเนินการและปฏิบัติงาน ML" (20%) ถูกแบ่งออกใน MLA เป็น "ส่วนที่ 3: การปรับใช้และการจัดการเวิร์กโฟลว์ ML" (22%) และ "ส่วนที่ 4: การตรวจสอบ บำรุงรักษา และความปลอดภัยของ ML solutions" (24%) ซึ่งการดำเนินงานของแพลตฟอร์ม machine learning ถูกถามอย่างละเอียดมากขึ้น ด้วยเหตุนี้ คำสำคัญในสาย MLOps เช่น pipeline, CI/CD, เวิร์กโฟลว์, IaC ที่แทบจะไม่ปรากฏใน MLS จะปรากฏหลายครั้งในคู่มือการสอบ MLA

AI Practitioner (AIF) ยากไหม?

มักได้ยินเสียงบ่นว่า "การสอบ AI Practitioner (AIF) นั้นยาก"

• เนื่องจากเป็น Practitioner หลายคนจึงเข้าสอบโดยเตรียมตัวไม่เพียงพอ
• AIF ต้องการความรู้เฉพาะด้าน AI/ML อย่างแน่นอน
• เนื้อหาการสอบใน MLS และ AIF แตกต่างกันมาก

จากพื้นฐานเหล่านี้ ดูเหมือนว่าหลายคนรู้สึกว่า AI Practitioner (AIF) ยากกว่า Cloud Practitioner (CLF)

สองประเด็นแรกสามารถแก้ไขได้โดยการอ่านคู่มือการสอบและเรียนรู้ตามปกติ

สำหรับประเด็นที่สาม ตามที่กล่าวไว้ก่อนหน้านี้ สาขา Generative AI และ AI and society เป็นจุดเด่นของ AIF และการที่มีคำถามเกี่ยวกับ SageMaker ในรายละเอียดก็แตกต่างจาก MLS อย่างมาก

สรุป

การสอบที่เกี่ยวข้องกับ AI/ML ของ AWS นั้นมีความน่าสนใจตรงที่ไม่สามารถผ่านได้ด้วยความรู้ทั่วไปเกี่ยวกับ AWS เพียงอย่างเดียว หรือความรู้เกี่ยวกับ AI/ML เพียงอย่างเดียว และการที่แค่เคยใช้บริการที่เกี่ยวข้องกับ Generative AI ของ AWS เล็กน้อยก็ไม่เพียงพอ

หากสอบผ่านการสอบเบต้าภายในวันที่ 15 กุมภาพันธ์ 2025 คุณจะได้รับตรา Early Adopter

บทความต้นฉบับ

• AWSの3つのAI・機械学習認定試験をこれから受ける人のためのガイド - プラクティショナー(AIF)/アソシエイト(MLA)/スペシャルティ(MLS)(ภาษาญี่ปุ่น)