AWS ML Engineer Associate 4.3 Secure AWS ML Resources (Japanese)

この分野の最終コースは、機械学習 (ML) ソリューションで AWS リソースを保護するスキルをベースにしています。最小権限の原則を使用してセキュリティコントロールを実装し、ML システムとやり取りするユーザーとアプリケーションの AWS Identity and Access Management (IAM) ポリシーとロールを設定します。最後に、Amazon SageMaker のセキュリティとコンプライアンス機能を調べて、会社のセキュリティ要件を満たす方法を学びます。

• コースレベル: 上級
• 所要時間: 2 時間 15 分

アクティビティ

• オンライン資料
• 演習
• ナレッジチェックの問題

コースの目標

• ML ソリューションを保護するための責任共有モデルについて説明する。
• ML アーティファクトに最小権限の原則を実装する。
• ML システムとやり取りするユーザーとアプリケーションに IAM ポリシーとロールを適用する。
• SageMaker エンドポイントの仮想プライベートクラウド (VPC) ネットワークを設定する。
• ネットワークアクセス制御を実装して、ML システムを保護および隔離する。 
• SageMaker のセキュリティとコンプライアンス機能について説明する。
• SageMaker のセキュリティとコンプライアンスの機能を使用して、セキュリティに関する問題のトラブルシューティングとデバッグを行う。
• 継続的インテグレーションと継続的デリバリー (CI/CD) パイプラインのセキュリティのベストプラクティスを説明する。

対象者

• クラウドアーキテクト
• 機械学習エンジニア

推奨スキル

• SageMaker およびその他の AWS サービスを機械学習エンジニアリングに使用した経験が 1 年以上あること
• バックエンドソフトウェアデベロッパー、DevOps デベロッパー、データエンジニア、データサイエンティストなどの関連職での経験が 1 年以上あること
• Python などのプログラミング言語に関する基本的な理解
• AWS ML エンジニアアソシエイトの学習プランの以前のコースを修了していること

コースの概要

セクション 1: コースの紹介

• レッスン 1: このコースの使用方法
• レッスン 2: コースの概要

セクション 2: ML リソースの保護

• レッスン 3: ML ソリューションの AWS リソースの保護
• レッスン 4: 責任共有モデル
• レッスン 5: IAM を使用したアクセス制御機能
• レッスン 6: 最小権限の原則
• レッスン 7: ML リソースのネットワークアクセス制御
• レッスン 8: デモ: ML リソースの保護

セクション 3: Amazon SageMaker のコンプライアンスとガバナンス

• レッスン 9: セキュリティとコンプライアンスの機能
• レッスン 10: コンプライアンスとガバナンスの機能

セクション 4: CI/CD パイプラインのセキュリティベストプラクティス

• レッスン 11: CI/CD パイプラインのセキュリティ上の考慮事項

セクション 5: モニタリング、監査、ロギングによるセキュリティとコンプライアンスの実装

• レッスン 12: モニタリングとロギングによるセキュリティとコンプライアンスの実装

セクション 6: まとめ

• レッスン 13: コースのまとめ
• レッスン 14: 評価テスト
• レッスン 15: お問い合わせ