Hướng dẫn Ôn thi AWS MLA

Mục lục

Tổng quan Bài thi

Chuyên viên Machine Learning của AWS - Associate (MLA-C01)

  • Thời lượng: 170 phút.
  • Định dạng: 65 câu hỏi (trắc nghiệm một lựa chọn, trắc nghiệm nhiều lựa chọn).
  • Điểm đậu: 720/1000.
  • Lệ phí: $150 USD.
  • Thời hạn chứng chỉ: 3 năm.

Các Lĩnh vực Bài thi (Domains)

Lĩnh vực (Domain) Tỷ trọng
Domain 1: Chuẩn bị Dữ liệu (Data Preparation) 28%
Domain 2: Phát triển Mô hình (Model Development) 26%
Domain 3: Triển khai và Điều phối (Deployment and Orchestration) 22%
Domain 4: Giám sát, Bảo trì, và Bảo mật Giải pháp ML 24%

Domain 1: Chuẩn bị Dữ liệu (28%)

Các Chủ đề Chính

  • Thu thập và lưu trữ dữ liệu (S3, data lakes).
  • Biến đổi dữ liệu và Kỹ nghệ đặc trưng (feature engineering).
  • Phân tích và trực quan hóa dữ liệu.
  • Xử lý dữ liệu bị khuyết thiếu, các giá trị ngoại lai (outliers), các tập dữ liệu mất cân bằng.

Các Dịch vụ Then chốt

  • Amazon S3 - Nơi lưu trữ dữ liệu chính.
  • AWS Glue - Xử lý ETL, Data Catalog, bộ thu thập dữ liệu (crawlers).
  • Amazon Athena - Viết câu truy vấn SQL chọc trực tiếp vào S3.
  • Amazon EMR - Xử lý Spark/Hadoop ở quy mô khổng lồ.
  • AWS Glue DataBrew - Chuẩn bị dữ liệu bằng giao diện kéo thả (không cần code).
  • SageMaker Data Wrangler - Chuẩn bị dữ liệu trực quan chuyên dành cho ML.
  • SageMaker Ground Truth - Dán nhãn dữ liệu.
  • Amazon Kinesis - Xử lý dữ liệu dạng luồng (streaming data).

Các Khái niệm Bắt buộc Phải biết

  • Nội suy bằng giá trị trung bình (Mean) so với trung vị (Median).
  • Dùng kỹ thuật SMOTE để xử lý mất cân bằng lớp (class imbalance).
  • Lấy mẫu thiếu (Undersampling) so với Lấy mẫu thừa (Oversampling).
  • Xáo trộn dữ liệu (Data shuffling) - khi nào nên và khi nào tuyệt đối không được làm.
  • Cách chia tập dữ liệu: Train/Validation/Test.
  • Kiểm chứng chéo (Cross-validation).
  • Co giãn đặc trưng (Feature scaling) - chuẩn hóa (normalization) và tiêu chuẩn hóa (standardization).
  • Mã hóa biến phân loại (Categorical encoding) - one-hot, label, target.
  • Các định dạng dữ liệu (CSV, Parquet, RecordIO-protobuf).

Các Câu hỏi Thường gặp

  • “Làm sao để xử lý dữ liệu khuyết thiếu khi tập data đang có cả đống outliers?” → Thay thế bằng số trung vị (Median replacement).
  • “Làm sao để cân bằng các lớp mà không bị vứt bớt dữ liệu đi?” → Xài SMOTE.
  • “Định dạng tốt nhất để lưu các tập dữ liệu dạng bảng khổng lồ?” → Parquet.
  • “Dịch vụ nào giúp tự động nhận diện cấu trúc (schema) dữ liệu?” → Glue Crawler.

Domain 2: Phát triển Mô hình (26%)

Các Chủ đề Chính

  • Lựa chọn thuật toán ML phù hợp.
  • Các kỹ thuật huấn luyện (train) mô hình.
  • Tinh chỉnh siêu tham số (Hyperparameter tuning).
  • Các chỉ số đánh giá mô hình (Metrics).

Các Dịch vụ Then chốt

  • Amazon SageMaker - Trạm huấn luyện, cung cấp sẵn các thuật toán, Autopilot.
  • SageMaker Autopilot - Xài AutoML (tự động 100%).
  • Các thuật toán xây sẵn (Built-in algorithms) - Bắt buộc phải thuộc nằm lòng bài toán nào thì xài thuật toán nào.

Các Thuật toán Bắt buộc Phải biết

| Bài toán | Thuật toán | |———-|————| | Phân loại/Hồi quy dạng bảng (Tabular)| Linear Learner, XGBoost | | Phát hiện bất thường (Anomaly) | Random Cut Forest | | Dự báo chuỗi thời gian (Time series)| DeepAR | | Gợi ý sản phẩm (Recommendations) | Factorization Machines | | Phân cụm (Clustering) | K-Means | | Giảm chiều dữ liệu | PCA | | Phân loại hình ảnh | Image Classification (ResNet) | | Phát hiện vật thể (Object detection)| Object Detection | | Phân loại văn bản | BlazingText |

Các Khái niệm Bắt buộc Phải biết

  • Phân biệt Hồi quy (Regression) vs Phân loại (Classification).
  • Định kiến (Bias) vs Phương sai (Variance).
  • Quá khớp (Overfitting) vs Chưa khớp (Underfitting).
  • Precision, recall, F1 score.
  • RMSE, MAE, R² dùng cho bài toán Hồi quy.
  • Cách đọc chỉ số AUC-ROC.
  • Ma trận nhầm lẫn (Confusion matrix).
  • Các chiến thuật tinh chỉnh siêu tham số.
  • Kỹ thuật điều chuẩn (Regularization - L1/L2, dropout).

Các Câu hỏi Thường gặp

  • “Làm sao để phát hiện giao dịch lừa đảo theo thời gian thực?” → Combo Kinesis Analytics + RCF.
  • “Mô hình chạy bao ngon lúc train nhưng lên thớt test thì điểm lẹt đẹt?” → Bệnh Quá khớp (Overfitting).
  • “Muốn làm AutoML nhưng lại mù tịt về ML?” → Giao cho SageMaker Autopilot.
  • “Làm sao để tiết kiệm tiền lúc train mô hình?” → Xài Managed Spot Training.

Domain 3: Triển khai và Điều phối (22%)

Các Chủ đề Chính

  • Các chiến lược deploy mô hình.
  • Suy luận Thời gian thực (Real-time) vs Suy luận Lô (Batch inference).
  • Các luồng (pipelines) và workflows ML.
  • Tối ưu hóa chi phí.

Các Dịch vụ Then chốt

  • SageMaker Endpoints - Suy luận theo thời gian thực (Real-time).
  • SageMaker Batch Transform - Dự đoán theo lô (Batch).
  • SageMaker Serverless Inference - Dành cho các hệ thống có traffic lúc có lúc không.
  • Multi-model Endpoints - Nhét một đống mô hình vào chung một cái endpoint.
  • SageMaker Pipelines - Điều phối toàn bộ luồng làm việc ML.
  • SageMaker Operators for Kubernetes - Chạy SageMaker thông qua K8s/EKS.
  • SageMaker Components for Kubeflow - Xài SageMaker ngay bên trong Kubeflow Pipelines.
  • AWS Lambda - Chạy suy luận cho mấy cái model siêu nhẹ.
  • Amazon ECS/EKS - Nền tảng điều phối Container.

Các Khái niệm Bắt buộc Phải biết

  • Sự đánh đổi giữa Endpoint vs Batch Transform.
  • Khi nào thì mang Serverless Inference ra xài.
  • Test A/B (A/B testing) sử dụng Production variants.
  • Triển khai kiểu chim hoàng yến (Canary deployments).
  • Auto-scaling (tự động thay đổi số lượng máy) cho các endpoints.
  • Các luồng suy luận (Inference pipelines) (bao gồm: Tiền xử lý + Dự đoán).
  • Quản lý phiên bản và kho chứa mô hình (Model registry).

Các Câu hỏi Thường gặp

  • “Traffic truy cập lúc có lúc không, không đoán trước được?” → Serverless Inference.
  • “Dữ liệu khổng lồ, chỉ cần dự đoán offline không cần gấp?” → Batch Transform.
  • “Cần độ trễ cực thấp, dự đoán theo thời gian thực?” → SageMaker Endpoint.
  • “Nhiều mô hình quá, deploy sao cho đỡ tốn tiền?” → Multi-model Endpoints.
  • “Muốn tự động hóa toàn bộ ML workflow?” → SageMaker Pipelines.
  • “Team đang quen xài Kubernetes/EKS, nhưng lại muốn xài thêm SageMaker?” → SageMaker Operators for Kubernetes.
  • “Team đang cày Kubeflow Pipelines, muốn móc thêm SageMaker training vào?” → SageMaker Components for Kubeflow.

Domain 4: Giám sát, Bảo trì, và Bảo mật (24%)

Các Chủ đề Chính

  • Giám sát mô hình và phát hiện trôi dạt (drift detection).
  • Đánh hơi sự thiên vị (Bias) và khả năng giải thích (explainability).
  • Bảo mật và tuân thủ.
  • Các chiến thuật huấn luyện lại (retraining) mô hình.

Các Dịch vụ Then chốt

  • SageMaker Model Monitor - Chuyên gia phát hiện trôi dạt.
  • SageMaker Clarify - Lo mảng thiên vị và khả năng giải thích.
  • Amazon CloudWatch - Chỗ coi log và các chỉ số (metrics).
  • AWS KMS - Dùng để mã hóa.
  • AWS IAM - Quản lý quyền truy cập.
  • VPC - Cô lập mạng.

Các Khái niệm Bắt buộc Phải biết

  • Trôi dạt dữ liệu (Data drift) - Sự thay đổi trong phân phối dữ liệu đầu vào.
  • Trôi dạt mô hình (Model drift / Concept drift) - Mối quan hệ giữa đầu vào-đầu ra bị thay đổi.
  • Trôi dạt thuộc tính đặc trưng (Feature attribute drift) - Sự thay đổi về tầm quan trọng của các đặc trưng (thường xài chỉ số NDCG).
  • Trôi dạt dự đoán (Prediction drift) - Phân phối của kết quả dự đoán bị lệch.
  • Các loại thiên vị (Bias types) - Giai đoạn trước huấn luyện (Pre-training) vs sau huấn luyện (post-training).
  • Tác động Chênh lệch (Disparate Impact) - Chỉ số DI < 0.8 là cờ đỏ (báo hiệu có thiên vị).
  • Giá trị SHAP - Dùng để giải thích kết quả dự đoán.
  • Mã hóa lúc nghỉ (at rest) và trên đường truyền (in transit).
  • Phải xài VPC cho lúc train và lúc chạy suy luận.
  • Các IAM roles cấp cho SageMaker.

Các Câu hỏi Thường gặp

  • “Dữ liệu trên production khác hoàn toàn so với dữ liệu lúc train?” → Trôi dạt dữ liệu (Data drift) → Đập ngay Model Monitor.
  • “Muốn phát hiện sự thiên vị trong các dự đoán của mô hình?” → SageMaker Clarify.
  • “Bắt phải giải thích tại sao mô hình lại đưa ra kết quả đó?” → Xài SHAP (trong Clarify).
  • “Mức độ quan trọng của các đặc trưng bị thay đổi theo thời gian?” → Đó là Trôi dạt thuộc tính đặc trưng (Feature attribute drift - đo bằng NDCG).
  • “Làm sao để bảo mật tập dữ liệu training nhạy cảm?” → Mã hóa S3, nhét vào VPC, siết chặt IAM roles.

Các Dịch vụ AWS AI (Biết Khi nào Nên dùng)

Các Dịch vụ Đã Huấn luyện Sẵn (Không cần rành ML)

| Dịch vụ | Mục đích | Điểm Mấu chốt đi Thi | |———|———-|———————-| | Comprehend | Phân tích văn bản | Cảm xúc (Sentiment), thực thể (entities), phân loại văn bản tùy chỉnh. | | Translate | Dịch thuật | Chơi được 75+ ngôn ngữ, có hỗ trợ tự điển thuật ngữ tùy chỉnh (custom terminology). | | Transcribe | Chuyển Giọng nói thành Văn bản | Nhận diện giọng nói nhiều người (Speaker diarization), thêm từ vựng tùy chỉnh, có hẳn phiên bản Y tế (Medical version). | | Polly | Chuyển Văn bản thành Giọng nói | Giọng đọc AI mượt mà (Neural) vs Giọng thường, xài thẻ SSML. | | Rekognition| Phân tích Hình ảnh/Video | Nhận diện vật thể, khuôn mặt, kiểm duyệt nội dung người lớn (moderation), tự train nhãn tùy chỉnh. | | Textract | Đọc chữ trong Tài liệu (OCR)| Bốc được form, bảng biểu (Ngon hơn Rekognition nếu xử lý tài liệu scan). | | Lex | Làm Chatbots | Ý định (Intents), biến (slots), nhúng Lambda vào để xử lý kết quả (fulfillment). | | Kendra | Công cụ tìm kiếm Doanh nghiệp | Tìm kiếm bằng ngôn ngữ tự nhiên, chạy bằng sức mạnh ML. | | Personalize| Gợi ý (Recommendations) | Các Recipes (công thức), chạy real-time, bắt buộc phải có dữ liệu tương tác của người dùng mới xài được. | | A2I | Kéo người thật vào xem lại | Review các dự đoán có độ tự tin (confidence) thấp. | | Lookout | Phát hiện bất thường (Anomaly)| Chuyên soi số liệu Metrics, Vision (hình ảnh), Thiết bị (Equipment). | | Fraud Detector| Bắt gian lận | Có sẵn model + cho phép tự build. | | Q Business | Q&A nội bộ Doanh nghiệp | Generative AI đọc tài liệu nội bộ công ty. |

Khi nào xài AI Services vs khi nào xài SageMaker

  • AI Services: Hàng làm sẵn, giải quyết các bài toán phổ thông, dành cho ai mù tịt về ML.
  • SageMaker: Mô hình đúc theo khuôn riêng, xử lý các bài toán độc lạ, cho phép tự mình kiểm soát 100%.

Các Chủ đề Xuất hiện với Tần suất Cao #important

Top 15 Món Bắt Buộc Phải Thuộc

  1. Thuật toán có sẵn của SageMaker - Bài toán nào thì nhét thuật toán đó vào.
  2. Random Cut Forest - Trùm phát hiện bất thường (Anomaly detection).
  3. Trôi dạt Dữ liệu (Data drift) vs Trôi dạt Mô hình (Model drift) - Phân biệt định nghĩa và cách bắt lỗi.
  4. SMOTE - Vị cứu tinh cho các lớp dữ liệu bị mất cân bằng.
  5. Nội suy Mean vs Median - Khi nào xài thằng nào.
  6. Thiên vị (Bias - xài SageMaker Clarify) - Nhớ cái Disparate Impact, phân biệt lúc pre/post-training.
  7. SHAP - Cây gậy ma thuật giúp giải thích mô hình (Model explainability).
  8. Endpoint vs Batch Transform vs Serverless - Hoàn cảnh sử dụng từng thằng.
  9. Managed Spot Training - Chiêu trò tiết kiệm tiền.
  10. Ground Truth - Thuê người dán nhãn, tích hợp active learning.
  11. Model Monitor - Rình mò phát hiện trôi dạt (Drift detection).
  12. Rekognition vs Textract - Một thằng lo ảnh phong cảnh, một thằng lo đọc giấy tờ tài liệu.
  13. Comprehend - Phân tích cảm xúc, moi móc thực thể, tự phân loại chữ.
  14. Personalize - Máy gợi ý, nhớ từ khóa “recipes”.
  15. Feature Store - Kho chứa tập trung để quản lý các đặc trưng.

Những Cạm bẫy Thường gặp #gotcha

  • Lôi dữ liệu chuỗi thời gian (time series) ra xáo trộn (Shuffling) - CẤM (Phải giữ nguyên thứ tự thời gian của nó).
  • Đem SMOTE áp dụng lên tập data Test - CẤM (Chỉ được phép làm mầm non ảo thuật trên tập Training data thôi).
  • Lấy Rekognition đi đọc Hóa đơn (invoices) - SAI (Phải xài Textract).
  • Chạy Spot training mà quên không gắn Checkpointing - Bay màu toàn bộ thành quả.
  • Xử lý tập data bự chà bá nhưng quên không xài định dạng Parquet - File CSV bự quá chạy chậm như rùa.
  • Quên không cấu hình VPC cho những pha training bảo mật - Thế là ăn gạch từ mấy thanh niên làm luật compliance.
  • Sửa lại các commits của các developers khác (Amending) - Cấm tiệt trò này.

Chiến thuật Học tập

Tuần 1-2: Xây Nền tảng

  • Cày lại các kiến thức cơ bản về ML.
  • Phân biệt rõ Hồi quy (regression) với Phân loại (classification).
  • Làm chủ toàn bộ các chỉ số đánh giá (evaluation metrics).
  • Học các ngón đòn Kỹ nghệ đặc trưng (feature engineering).

Tuần 3-4: Đào sâu SageMaker

  • Thuộc làu các thuật toán có sẵn (Built-in algorithms).
  • Cày các loại Training jobs và các tùy chọn đi kèm.
  • Nắm rõ các phương án Deploy.
  • Vọc vạch Model Monitor và Clarify.

Tuần 5-6: Các Dịch vụ AWS AI

  • Nhóm NLP: Comprehend, Translate, Transcribe, Polly.
  • Nhóm Thị giác: Rekognition, Textract.
  • Nhóm Ứng dụng: Lex, Kendra, Personalize.
  • Nhóm Đặc thù (A2I, Lookout, Fraud Detector).

Tuần 7-8: Dữ liệu & Hạ tầng

  • S3, Glue, Athena, EMR.
  • Kinesis để múc streaming data.
  • Các định dạng dữ liệu và best practices.
  • Bảo mật (IAM, VPC, KMS).

Tuần 9-10: Luyện đề & Ôn tập

  • Cày nát các bộ đề thi thử (Practice exams).
  • Đọc lại cái cheat sheets.
  • Tự tay làm các bài thực hành labs (cực kỳ quan trọng!).
  • Lấp lỗ hổng kiến thức ở các phần còn yếu.

Thực hành Labs (Cực kỳ Quan trọng!) #hands-on

Những Bài Lab Bắt Buộc Phải Làm

  1. SageMaker Training Job - Thử train một phát bằng thuật toán có sẵn (Ví dụ: XGBoost).
  2. SageMaker Endpoint - Triển khai cái model vừa train xong lên, vã thử vài cái request vào.
  3. Batch Transform - Bấm nút chạy dự đoán theo lô.
  4. Model Monitor - Cấu hình cài cắm để bắt trò trôi dạt (drift).
  5. Ground Truth - Tạo thử một cái job kêu người ta dán nhãn hộ.
  6. Data Wrangler - Trải nghiệm kéo thả biến đổi dữ liệu.
  7. Rekognition - Viết code nhận diện vật thể trong ảnh.
  8. Comprehend - Chọi một đoạn văn vào bắt nó phân tích xem buồn hay vui.
  9. Glue Crawler - Cho nó bò vào S3 để tự dò ra schema.
  10. Athena - Chạy câu lệnh SQL chọc thẳng vào S3.

Các Dịch vụ Có Khuyến mãi Free Tier

  • SageMaker (Xài ké notebooks miễn phí 2 tháng).
  • Comprehend (Được 5 Triệu ký tự/tháng trong 12 tháng).
  • Rekognition (Được soi 5 Nghìn ảnh/tháng trong 12 tháng).
  • Translate (Dịch free 2 Triệu ký tự/tháng trong 12 tháng).
  • Transcribe (Nghe lén free 60 phút/tháng trong 12 tháng).
  • S3 (Cho 5GB ổ cứng trong 12 tháng).
  • Glue (Được 1 Triệu objects trong 12 tháng).

Mẹo cho Ngày Thi

Quản lý Thời gian

  • 170 phút / 65 câu hỏi ≈ Bạn có tầm 2.6 phút để suy nghĩ cho một câu.
  • Câu nào chua quá thì cắm cờ (Flag) đánh dấu để đó, xíu quay lại gặm sau.
  • TUYỆT ĐỐI không chôn chân quá 4 phút ở bất kỳ một câu nào.

Chiến thuật Phá Đề

  • Trò kinh điển: Loại mấy đáp án ngu xuẩn ra trước.
  • Rình từ khóa: Đề bài ghi “tiết kiệm chi phí (cost-effective)” → Đánh hơi ngay ra Spot training, Batch Transform.
  • “Thời gian thực (Real-time)” → Chọn Endpoint, né Batch Transform ra.
  • “Không biết code ML (No ML expertise)” → Bốc AI Services, vứt cái đám SageMaker tự build đi.
  • “Phát hiện thiên vị (Bias detection)” → Chắc chắn là Clarify.
  • “Bất thường (Anomaly)” → Bốc ngay Random Cut Forest.
  • Đọc kỹ đề coi chừng bị lừa: Nhất là mấy câu có chữ “KHÔNG (NOT)”.

Mô tuýp Câu hỏi hay Gặp

  • “Bạn nên xài dịch vụ nào?” → Dạng bài lựa chọn dịch vụ (Service selection).
  • “Làm sao để tiết kiệm tiền nhất?” → Tìm các đáp án có Spot training, Serverless, Batch Transform.
  • “Xử lý đống dữ liệu bị khuyết thiếu thế nào?” → Nhớ lại mấy trò nội suy (Imputation techniques).
  • “Model test dở ẹc thì làm sao?” → Dính bẫy quá khớp/chưa khớp (Overfitting/underfitting).
  • “Làm sao biết model bị hư trên production?” → Lắp Model Monitor vào.
  • “Giải thích mấy cái kết quả dự đoán của mô hình kiểu gì?” → Xài SHAP, Clarify.

Tài nguyên Bổ sung

Tài liệu Chính chủ AWS (AWS Documentation)

Nơi Luyện thi

  • AWS Skill Builder (Đề thi thử chính chủ - cực sát).
  • Chui vào AWS Console bấm bấm thực hành labs.
  • Ôn cái đống ghi chú trong repository này!

Checklist Cuối cùng

Một tuần trước ngày lết xác đi thi:

  • Xem lại toàn bộ mớ phao (cheat sheets).
  • Làm lại mấy bài thi thử (Mục tiêu phải lết qua mức 85%+).
  • Mở lại mấy câu đã cắm cờ hoặc mấy phần còn lơ ngơ ra đọc lại.
  • Nhảy vào làm labs những cái còn mơ hồ chưa hiểu.
  • Đọc qua mấy cái kịch bản bài thi (exam scenarios) thường gặp.
  • Đi ngủ sớm lấy sức!

Chúc anh em thi phát ăn ngay chứng chỉ AWS MLA nhé! 🎯