عراب ال IT 
امتحانات دوليه
AWS Certified Machine Learning – Specialty
عن الشهادة
هي شهادة متقدمة من AWS تُثبت قدرة المهندس أو محلل البيانات على بناء، تدريب، نشر، وتحسين نماذج الذكاء الاصطناعي والتعلّم الآلي على منصة AWS و تركّز على دورة حياة الـ ML بالكامل: جمع البيانات، المعالجة، اختيار الخوارزميات، التقييم، النشر، والمراقبة في بيئات Production باستخدام خدمات مثل:SageMaker – S3 – Lambda – Glue – EMR Kinesis – DynamoDB و هي شهادة Machine Learning Specialty للخبراء اللي يبنون ويشغّلون حلول ذكاء اصطناعي على نطاق واسع باستخدام AWS.
لمن تُناسب هذه الشهادة ؟
- تعمل كـ ML Engineer أو Data Scientist.
- تبني نماذج تعلم آلي وتحتاج نشرها على بيئة Production.
- تستخدم AWS SageMaker في التدريب والاستدلال.
- تتعامل مع Big Data وعمليات ETL.
- عندك أساس قوي في الإحصاء والخوارزميات.
- تريد مسار احترافي في AI/ML Cloud Engineering.
باختصار:
الشهادة مناسبة للمتخصصين اللي يبغون يثبتون خبرتهم العملية في الذكاء الاصطناعي على AWS.
هل لازم أكون حاصل على شهادات قبلها؟
لا إطلاقًا.
لكن علمياً
يُفضَّل أن تكون لديك خبرة قوية في Python، مع فهم جيد للإحصاء وخوارزميات تعلّم الآلة، إضافة إلى خبرة عملية في AWS بحد أدنى مستوى Associate، ويفيد كثيرًا أن تكون لديك تجربة مباشرة في العمل على SageMaker.
تفاصيل الاختبار :
- كود الاختبار: (MLS-C01
- مدة الاختبار: 180 دقيقة
- عدد الأسئلة: 65 سؤال
- نوع الأسئلة: اختيار من متعدد + أسئلة متعددة الإجابات
- اللغة: الإنجليزي
- درجة النجاح: 750 / 1000
- سعر الاختبار: (300 $) قد يختلف حسب الدولة و يضيف في بعض الدول ضريبه.
- صلاحية الشهادة: 3 سنوات
المنهج الرئيسي
المحتوى يدور حول لخمسه نقاط أساسية:
- جمع البيانات Data Collection
-
- مصادر البيانات
- Streaming Data via Kinesis
- تخزين البيانات في S3
- Data Governance
- تصميم Data Pipelines
- التحضير والمعالجة
Feature Engineering -
- Data Cleaning
- Handling missing data
- Feature Scaling
- Feature Encoding
- Selecting & engineering new features
- النمذجة Modeling
-
- اختيار الخوارزميات المناسبة
- Supervised / Unsupervised
- Hyperparameter Optimization
- Training & Tuning
- SageMaker Built-in Algorithms
- التقييم Evaluation
-
- Metrics: Accuracy, Precision, Recall, F1
- Cross-Validation
- Bias Monitoring
- Model Explainability
- النشر والتشغيل
Deployment & MLOps -
- SageMaker Endpoints
- Batch vs Real-Time Inference
- Auto-Scaling
- Model Registry / Pipelines
- مراقبة الأداء بعد النشر
ما الشهادات التي يُنصح بها بعد هذة الشهادة ؟
مش إلزامي، لكن لو تبغى مسار قوي في بناء وتدريب ونشر نماذج تعلم الآلة باستخدام خدمات AWS، فهذه أفضل الخيارات:
- Advanced ML / Deep Learning للتعمق في النماذج المتقدمة (DL، NLP، Computer Vision).
- Generative AI (LLMs / Fine-Tuning / RAG) للتخصص في الذكاء الاصطناعي التوليدي وبناء حلول مؤسسية حديثة.
- MLOps (Pipelines / CI-CD / Monitoring) لتشغيل النماذج، إدارتها، ومراقبتها في بيئات الإنتاج.
- Data Engineering (Glue / Redshift / Lakehouse) لتقوية جانب البيانات الذي تعتمد عليه نماذج ML.
- AI / ML Architecture لتصميم حلول ذكاء اصطناعي على مستوى المؤسسات.
- Cloud Security & Governance (AI Focus) للتركيز على أمان النماذج، الخصوصية، والامتثال.
خطوتك نحو احتراف تعلّم الآلة
شهادة MLS-C01 هي الطريق الأسرع لإثبات أنك قادر على بناء وتشغيل حلول ذكاء اصطناعي على مستوى المؤسسات و تقوّيك في الـ ML، الـ MLOps، وأدوات AWS المتقدمة و تفتح لك أبواب وظائف هندسة البيانات والذكاء الاصطناعي في الشركات الكبرى.