SF34489
3 jours
En présentiel ou distanciel
- 21 heures de formation
- Exercices pratiques
- Prise en charge OPCO possible
Un renseignement ?
Contactez-nous !- En entreprise ou à distance
- Cadrage pédagogique gratuit
- Programme de formation sur mesure
- Formateur expert dédié
- Prise en charge OPCO possible
Formation Machine Learning Engineering sur AWS (MLEA).
Concevez et industrialisez des solutions de machine learning à grande échelle avec les services AWS !
Cette formation intermédiaire de 3 jours s’adresse aux professionnels du machine learning qui souhaitent maîtriser les bonnes pratiques d’ingénierie ML sur Amazon Web Services. Vous apprendrez à concevoir, déployer, orchestrer et mettre en production des solutions ML robustes et évolutives, en combinant apports méthodologiques, activités guidées et travaux pratiques. À travers l’usage de services comme Amazon SageMaker et d’outils d’analytique tels qu’Amazon EMR, vous développerez une approche complète allant de la préparation des données à la supervision des modèles déployés, en intégrant les dimensions MLOps, sécurité et optimisation. Cette formation prépare à la certification AWS Certified Machine Learning Engineer – Associate.
Programme de formation Machine Learning Engineering sur AWS (MLEA).
Module 1 : Démarrer le machine learning sur AWS
Notions clés du ML
Amazon SageMaker AI
ML responsable
Module 2 : Comprendre les enjeux et défis du ML
Analyse des problématiques métier liées au ML
Stratégies d’entraînement
Algorithmes d’entraînement
Module 3 : Préparer les données pour le ML
Typologie et préparation des données
Analyse exploratoire
Stockage sur AWS : options et critères de choix
Module 4 : Transformation des données et feature engineering
Gestion des données manquantes, erronées ou dupliquées
Fondamentaux de l’ingénierie des caractéristiques
Méthodes de sélection de caractéristiques
Services AWS pour la transformation des données
Lab : Analyse et préparation des données avec SageMaker Data Wrangler et Amazon EMR
Lab : Traitement des données avec SageMaker Processing et le SDK Python SageMaker
Module 5 : Définir une approche de modélisation
Algorithmes intégrés dans Amazon SageMaker AI
Amazon SageMaker Autopilot
Choisir un algorithme d’entraînement intégré
Critères de sélection d’un modèle
Enjeux de coût en machine learning
Module 6 : Entraîner des modèles de ML
Principes d’entraînement
Entraînement avec Amazon SageMaker AI
Lab : Entraîner un modèle avec Amazon SageMaker AI
Module 7 : Évaluer et optimiser les modèles
Mesure des performances
Réduction des temps d’entraînement
Optimisation des hyperparamètres
Lab : Ajuster et optimiser un modèle avec Amazon SageMaker AI
Module 8 : Déployer des modèles en production
Préparation au déploiement et cibles possibles
Stratégies de déploiement
Choisir une stratégie d’inférence
Conteneurs et types d’instances pour l’inférence
Lab : Répartition du trafic
Module 9 : Sécuriser les ressources ML sur AWS
Gestion des accès
Contrôles réseau pour les ressources ML
Sécurité des pipelines CI/CD
Module 10 : MLOps et déploiement automatisé
Introduction au MLOps
Automatisation des tests dans les pipelines CI/CD
Services de continuous delivery
Lab : Utiliser SageMaker Pipelines et le Model Registry avec SageMaker Studio
Module 11 : Superviser les modèles et la qualité des données
Détection de dérive des modèles
SageMaker Model Monitor
Suivi de la qualité des données et des modèles
Remédiation automatisée et résolution d’incidents
Lab : Surveiller un modèle et détecter la dérive des données
Module 12 : Clôture de la formation
Nos autres formations en Cloud .
Formation Administrateur d’identité et de l’accès Microsoft (SC-300)
Formation Administration des solutions Microsoft Azure SQL (DP-300)
Formation Advanced Architecting on AWS (AWSAA)
Formation Applications Cloud-Native
Formation Architecting on AWS (AWSA)
Formation Architecting with Google Cloud: Design and Process (AGCP-DP)
A travers sa Charte Engagement Qualité, Sparks s’engage à tout mettre en œuvre pour que chaque session de formation soit un succès et que votre satisfaction soit totale.
