AWS : Machine Learning Engineering (cours officiel)
- Durée
- Durée :3 jours
- Niveau
- Niveau :Intermédiaire
- Certification
- Certification :AWS Certified Machine Learning Engineer Associate
2450€ HT
Prochaine session :
AWS : MLOps Engineering (cours officiel)
Certification
AWS Certified Machine Learning Engineer AssociateDescription de la formation AWS MLOps Engineering
Cette formation AWS MLOps Engineering étend les pratiques DevOps répandues dans le développement de logiciels au domaine de la Data Science.
Vous pourrez entraîner et déployer des modèles d'apprentissage automatique (Machine Learning) tout en suivant leur performance dans le temps et ainsi obtenir un système de Data Science en production.
Ce cours met l'accent sur l'importance des données, du modèle et du code pour la réussite des modèles de ML en production. Vous découvrirez les différents outils et processus d'automatisation ainsi que de la méthodologie et de l'organisation d'équipe pour gérer tout le cycle de vie d'un projet de Data Science.
Programme de la formation
Objectif opérationnel :
Savoir gérer tout le cycle de vie d'un projet de Data Science.
Objectifs pédagogiques :
À l'issue de cette formation AWS MLOps Engineering vous aurez acquis les connaissances et les compétences nécessaires pour :
- S'approprier les notions d'Ops, de DevOps et de MLOps
- Créer un pipeline automatisé pour entraîner et déployer en production un modèle de ML
- Interagir avec son modèle de ML déployé
- Découvrir les différentes stratégies de déploiement et de scaling
- Détecter les drifts de son modèle de ML
- Mesurer la performance de son modèle de ML
Jour 1
Communication entre les équipes
De DevOps à MLOps
ML Workflow
Scope
Cas MLOps
Sécurité MLOps
Automatisation
Apache Airflow
Intégration Kubernetes pour MLOps
Amazon SageMaker pour MLOpsLabApporter son propre algorithme à un pipeline MLOpsDémonstration : Amazon SageMaker
Introduction pour créer, entraîner et évaluer des modèles d'apprentissage automatiqueAtelierCoder et server son modèle de ML avec AWS CodeBuildActivité : MLOps Action Plan WorkbookJour 2
Packaging du modèle
InférenceLabDéployer son modèle en productionVariantes d’environnements de production avec SageMaker
Stratégies de déploiement
Déploiement sur edgeLaboratoireEffectuer des tests A/BActivité : MLOps Action Plan WorkbookJour 3
Surveillance dès la conceptionLabSurveiller son modèle de MLHumain dans la boucle
Monitorer les modèles avec Amazon SageMaker
Démonstration : Amazon SageMaker Pipelines, Model Monitor, Model Registry et Feature Store
Activité : MLOps Action Plan Workbook
Introduction à la notion de MLOps
Objectifs du MLOpsCommunication entre les équipes
De DevOps à MLOps
ML Workflow
Scope
Cas MLOps
Développement MLOps
Introduction pour créer, entraîner et évaluer des modèles d'apprentissage automatiqueSécurité MLOps
Automatisation
Apache Airflow
Intégration Kubernetes pour MLOps
Amazon SageMaker pour MLOpsLabApporter son propre algorithme à un pipeline MLOpsDémonstration : Amazon SageMaker
Introduction pour créer, entraîner et évaluer des modèles d'apprentissage automatiqueAtelierCoder et server son modèle de ML avec AWS CodeBuildActivité : MLOps Action Plan WorkbookJour 2
Déploiement MLOps
Introduction aux opérations de déploiementPackaging du modèle
InférenceLabDéployer son modèle en productionVariantes d’environnements de production avec SageMaker
Stratégies de déploiement
Déploiement sur edgeLaboratoireEffectuer des tests A/BActivité : MLOps Action Plan WorkbookJour 3
Surveillance et opérations du modèle
AtelierRésoudre les problèmes liés à son pipelineL'importance du monitoringSurveillance dès la conceptionLabSurveiller son modèle de MLHumain dans la boucle
Monitorer les modèles avec Amazon SageMaker
Démonstration : Amazon SageMaker Pipelines, Model Monitor, Model Registry et Feature Store
Activité : MLOps Action Plan Workbook
Public cible :
Ce cours AWS MLOps Engineering s'adresse à un :
- Data Scientist
- Data Engineer
- Machine Learning Engineer
- Ingénieur Devops
Prérequis :
Pour suivre cette formation AWS MLOps Engineering il est nécessaire d'avoir suivi la formation AWS : Notions techniques de base sur Amazon Web Services (IANT) ainsi que la formation Data Scientist : les fondamentaux de la data science (OFDS) ou de posséder les connaissances équivalentes.
J'évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Date de mise à jour du programme : 13/01/2026
Dates et lieux
Période souhaitée
Lieux
Type d'affichage