AWS Certified AI Practitioner
1.4 AIF-C01
? 領(lǐng)域 1： AI 和 ML 基礎(chǔ)知識（計(jì)分內(nèi)容的 20%）
? 領(lǐng)域 2： 生成式人工智能基礎(chǔ)知識（計(jì)分內(nèi)容的 24%）
? 領(lǐng)域 3： 基礎(chǔ)模型的應(yīng)用（計(jì)分內(nèi)容的 28%）
? 領(lǐng)域 4： 負(fù)責(zé)任 AI 準(zhǔn)則（計(jì)分內(nèi)容的 14%）
? 領(lǐng)域 5： AI 解決方案的安全性、合規(guī)性和監(jiān)管（計(jì)分內(nèi)容的 14%）
任務(wù)表述 1.1： 解釋基本 AI 概念和術(shù)語。
目標(biāo)：
? 定義基本 AI 術(shù)語（例如，AI、ML、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、計(jì)算機(jī)視覺、自然
語言處理 [NLP]、模型、算法、訓(xùn)練和推理、偏見、公平性、擬合、大型語言
模型 [LLM]）。
? 描述 AI、ML 和深度學(xué)習(xí)之間的相似之處和不同之處。
? 描述各種類型的推理（例如，批量推理、實(shí)時(shí)推理）。
? 描述 AI 模型中不同類型的數(shù)據(jù)（例如，已標(biāo)記數(shù)據(jù)和未標(biāo)記數(shù)據(jù)、表格數(shù)據(jù)、
時(shí)間序列數(shù)據(jù)、圖像數(shù)據(jù)、文本數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)）。
? 描述有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。
任務(wù)表述 1.2： 確定 AI 的實(shí)際使用案例。
目標(biāo)：
? 了解 AI/ML 可發(fā)揮價(jià)值的應(yīng)用（例如，輔助人類決策、解決方案可擴(kuò)展性、
自動化）。
? 確定何時(shí)不適合應(yīng)用 AI/ML 解決方案（例如，成本效益分析、需要特定結(jié)果
而不是預(yù)測的情況）。
? 為特定使用案例選擇適當(dāng)?shù)?ML 技術(shù)（例如，回歸、分類、聚類）。
? 確定真實(shí)世界的 AI 應(yīng)用示例（例如，計(jì)算機(jī)視覺、自然語言處理、語音識別、
推薦系統(tǒng)、欺詐偵測、預(yù)測）。
? 解釋 AWS 托管式 AI/ML 服務(wù)（例如 SageMaker、Amazon Transcribe、
Amazon Translate、Amazon Comprehend、Amazon Lex、Amazon Polly）
的功能。
任務(wù)表述 1.3： 描述 ML 開發(fā)生命周期。
目標(biāo)：
? 描述 ML 管道的組件（例如，數(shù)據(jù)收集、探索性數(shù)據(jù)分析 [EDA]、數(shù)據(jù)
預(yù)處理、特征工程、模型訓(xùn)練、超參數(shù)優(yōu)化、評估、部署、監(jiān)控）。
? 了解 ML 模型的來源（例如，開源預(yù)訓(xùn)練模型、訓(xùn)練自定義模型）。
? 描述在生產(chǎn)環(huán)境中使用模型的方法（例如，托管式 API 服務(wù)、自托管 API）。
? 確定 ML 管道每個(gè)階段的相關(guān) AWS 服務(wù)和功能（例如，SageMaker、Amazon
SageMaker Data Wrangler、Amazon SageMaker 特征存放區(qū)、Amazon
SageMaker 模型監(jiān)控器）。
? 了解機(jī)器學(xué)習(xí)運(yùn)維 (MLOps) 的基本概念（例如，實(shí)驗(yàn)、可重復(fù)流程、可擴(kuò)展
系統(tǒng)、管理技術(shù)債務(wù)、實(shí)現(xiàn)生產(chǎn)就緒、模型監(jiān)控、模型再訓(xùn)練）。
? 了解模型性能指標(biāo)（例如，準(zhǔn)確率、ROC 曲線下面積 [AUC]、F1 分?jǐn)?shù)）和
業(yè)務(wù)指標(biāo)（例如，每用戶成本、開發(fā)成本、客戶反饋、投資回報(bào) [ROI]），
以評估 ML 模型。
任務(wù)表述 2.1： 解釋生成式人工智能的基本概念。
目標(biāo)：
? 理解生成式人工智能基礎(chǔ)概念（例如，詞元、分塊、嵌入、向量、提示工程、
基于轉(zhuǎn)換器的 LLM、基礎(chǔ)模型、多模態(tài)模型、擴(kuò)散模型）。
? 確定生成式人工智能模型的潛在使用案例（例如，圖像、視頻和音頻生成；
摘要；聊天機(jī)器人；翻譯；代碼生成；客戶服務(wù)座席；搜索；推薦引擎）。
? 描述基礎(chǔ)模型生命周期（例如，數(shù)據(jù)選擇、模型選擇、預(yù)訓(xùn)練、微調(diào)、評估、
部署、反饋）。
任務(wù)表述 2.2： 了解生成式人工智能解決業(yè)務(wù)問題的能力和局限性。
目標(biāo)：
? 描述生成式人工智能的優(yōu)勢（例如，適應(yīng)性、響應(yīng)性、簡單性）。
? 確定生成式人工智能解決方案的缺點(diǎn)（例如，幻覺、可解釋性、不準(zhǔn)確、
不確定性）。
? 了解選擇合適的生成式人工智能模型時(shí)需考慮的各種因素（例如，模型類型、
性能要求、能力、限制、合規(guī)性）。
? 確定生成式人工智能應(yīng)用程序的商業(yè)價(jià)值和指標(biāo)（例如，跨領(lǐng)域性能、效率、
轉(zhuǎn)化率、每用戶平均收入、準(zhǔn)確率、客戶生命周期價(jià)值）。
任務(wù)表述 2.3： 描述用于構(gòu)建生成式人工智能應(yīng)用程序的 AWS 基礎(chǔ)設(shè)施和技術(shù)。
目標(biāo)：
? 確定用于開發(fā)生成式人工智能應(yīng)用程序的 AWS 服務(wù)和功能（例如，Amazon
SageMaker JumpStart；Amazon Bedrock；PartyRock [Amazon Bedrock
實(shí)驗(yàn)田]；Amazon Q）。
? 描述使用 AWS 生成式人工智能服務(wù)構(gòu)建應(yīng)用程序的優(yōu)勢（例如，可訪問性、
門檻較低、效率、成本效益、產(chǎn)品上市速度、實(shí)現(xiàn)業(yè)務(wù)目標(biāo)的能力）。
? 了解 AWS 基礎(chǔ)設(shè)施對生成式人工智能應(yīng)用程序的益處（例如，安全性、
合規(guī)性、負(fù)責(zé)任）。
? 了解 AWS 生成式人工智能服務(wù)的成本權(quán)衡（例如，響應(yīng)能力、可用性、
冗余、性能、區(qū)域覆蓋范圍、基于詞元的定價(jià)、預(yù)置吞吐量、自定義模型）。
任務(wù)表述 3.1： 描述設(shè)計(jì)使用基礎(chǔ)模型的應(yīng)用程序時(shí)有哪些注意事項(xiàng)。
目標(biāo)：
? 確定選擇預(yù)訓(xùn)練模型的標(biāo)準(zhǔn)（例如，成本、模態(tài)、延遲、多語言、模型大小、
模型復(fù)雜性、自定義、輸入/輸出長度）。
? 了解推理參數(shù)對模型響應(yīng)的影響（例如，溫度、輸入/輸出長度）。
? 定義檢索增強(qiáng)生成 (RAG) 并描述其在業(yè)務(wù)中的應(yīng)用（例如，Amazon Bedrock、
知識庫）。
? 確定有助于在向量數(shù)據(jù)庫中存儲嵌入的 AWS 服務(wù)（例如，Amazon
OpenSearch Service、Amazon Aurora、Amazon Neptune、Amazon
DocumentDB [兼容 MongoDB]、Amazon RDS for PostgreSQL）。
? 解釋各種基礎(chǔ)模型自定義方法（例如，預(yù)訓(xùn)練、微調(diào)、上下文學(xué)習(xí)、RAG）的
成本權(quán)衡。
? 了解代理在多步驟任務(wù)中的作用（例如，Agents for Amazon Bedrock）。
任務(wù)表述 3.2： 選擇有效的提示工程技術(shù)。
目標(biāo)：
? 描述提示工程的概念和結(jié)構(gòu)（例如，上下文、指令、否定提示、模型潛在
空間）。
? 了解提示工程方法（例如，思維鏈、零樣本、單樣本、少量樣本、提示
模板）。
? 了解提示工程的益處和最佳實(shí)踐（例如，響應(yīng)質(zhì)量改進(jìn)、實(shí)驗(yàn)、防護(hù)機(jī)制、
發(fā)現(xiàn)、特異性和簡潔性，使用多條注釋）。
? 定義提示工程的潛在風(fēng)險(xiǎn)和局限性（例如，暴露、投毒、劫持、越獄）。
任務(wù)表述 3.3： 描述基礎(chǔ)模型的訓(xùn)練和微調(diào)過程。
目標(biāo)：
? 描述訓(xùn)練基礎(chǔ)模型的關(guān)鍵要素（例如，預(yù)訓(xùn)練、微調(diào)、持續(xù)預(yù)訓(xùn)練）。
? 定義微調(diào)基礎(chǔ)模型的方法（例如，指令優(yōu)化、針對特定領(lǐng)域調(diào)整模型、遷移
學(xué)習(xí)、持續(xù)預(yù)訓(xùn)練）。
? 描述如何準(zhǔn)備數(shù)據(jù)以微調(diào)基礎(chǔ)模型（例如，數(shù)據(jù)策管、監(jiān)管、調(diào)整大小、
標(biāo)記、代表性、人類反饋強(qiáng)化學(xué)習(xí) [RLHF]）。
任務(wù)表述 3.4： 描述評估基礎(chǔ)模型性能的方法。
目標(biāo)：
? 了解評估基礎(chǔ)模型性能的方法（例如，人工評估、基準(zhǔn)數(shù)據(jù)集）。
? 確定評估基礎(chǔ)模型性能的相關(guān)指標(biāo)（例如，用于摘要和機(jī)器翻譯評估的查全率
導(dǎo)向研究 [ROUGE]、雙語評估替換 [BLEU]、BERTScore）。
? 確定基礎(chǔ)模型是否有效滿足業(yè)務(wù)目標(biāo)（例如，生產(chǎn)力、用戶參與度、任務(wù)
工程）。
任務(wù)表述 4.1： 解釋負(fù)責(zé)任 AI 系統(tǒng)的開發(fā)。
目標(biāo)：
? 確定負(fù)責(zé)任 AI 的特征（例如，偏見、公平性、包容性、穩(wěn)健性、安全性、
真實(shí)性）。
? 了解如何使用工具識別負(fù)責(zé)任 AI 的特征（例如，Amazon Bedrock 的防護(hù)
機(jī)制）。
? 了解選擇模型的負(fù)責(zé)任做法（例如，環(huán)境考量、可持續(xù)性、道德責(zé)任）。
? 確定使用生成式人工智能的法律風(fēng)險(xiǎn)（例如，知識產(chǎn)權(quán)侵權(quán)索賠、存在偏見的
模型輸出、失去客戶信任、終端用戶風(fēng)險(xiǎn)、幻覺）。
? 確定數(shù)據(jù)集的特征（例如，包容性、多樣性、數(shù)據(jù)來源經(jīng)策管、數(shù)據(jù)集
平衡）。
? 了解偏差和方差的影響（例如，對人口統(tǒng)計(jì)群體的影響、不準(zhǔn)確、過擬合、
欠擬合）。
? 描述檢測和監(jiān)控偏見、可信度和真實(shí)性的工具（例如，分析標(biāo)記質(zhì)量、人工
審核、亞組分析、Amazon SageMaker Clarify、SageMaker 模型監(jiān)控器、
Amazon Augmented AI [Amazon A2I]）。
任務(wù)表述 4.2： 了解模型透明且可解釋的重要性。
目標(biāo)：
? 了解透明且可解釋的模型與不透明且不可解釋的模型之間的區(qū)別。
? 了解用于識別透明且可解釋的模型的工具（例如，Amazon SageMaker Model
Cards、開源模型、數(shù)據(jù)、許可）。
? 確定模型安全性和透明度之間的權(quán)衡（例如，衡量可解釋性和性能）。
? 了解為實(shí)現(xiàn)可解釋 AI 而應(yīng)遵循的以人為本的設(shè)計(jì)原則。
任務(wù)表述 5.1： 解釋保護(hù) AI 系統(tǒng)的方法。
目標(biāo)：
? 確定用于保護(hù) AI 系統(tǒng)的 AWS 服務(wù)和功能（例如，IAM 角色、策略和權(quán)限；
加密；Amazon Macie；AWS PrivateLink；AWS 責(zé)任共擔(dān)模式）。
? 了解來源引用和記錄數(shù)據(jù)來源的概念（例如，數(shù)據(jù)沿襲、數(shù)據(jù)編目、
SageMaker Model Cards）。
? 描述安全數(shù)據(jù)工程的最佳實(shí)踐（例如，評估數(shù)據(jù)質(zhì)量、實(shí)施隱私增強(qiáng)技術(shù)、
數(shù)據(jù)訪問控制、數(shù)據(jù)完整性）。
? 了解 AI 系統(tǒng)的安全和隱私注意事項(xiàng)（例如，應(yīng)用程序安全、威脅檢測、漏洞
管理、基礎(chǔ)設(shè)施保護(hù)、提示注入、靜態(tài)加密和傳輸中加密）。
任務(wù)表述 5.2： 了解適用于 AI 系統(tǒng)的監(jiān)管和合規(guī)性法規(guī)。
目標(biāo)：
? 確定 AI 系統(tǒng)的監(jiān)管合規(guī)標(biāo)準(zhǔn)（例如，國際標(biāo)準(zhǔn)化組織 [ISO]、System and
Organization Controls [SOC]、算法問責(zé)法律）。
? 確定有助于監(jiān)管和法規(guī)合規(guī)的 AWS 服務(wù)和功能（例如，AWS Config、
Amazon Inspector、AWS Audit Manager、AWS Artifact、AWS CloudTrail、
AWS Trusted Advisor）。
? 描述數(shù)據(jù)監(jiān)管策略（例如，數(shù)據(jù)生命周期、日志記錄、駐留、監(jiān)控、觀察、
保留）。
? 描述遵循監(jiān)管協(xié)議的流程（例如，政策、評審間隔、評審策略、生成式人工
智能安全責(zé)任范圍界定矩陣等監(jiān)管框架、透明度標(biāo)準(zhǔn)、團(tuán)隊(duì)培訓(xùn)要求）。