Formation AWS SageMaker : Mise en pratique de la Data Science

Qu’est‑ce que Mise en pratique de la Data Science avec Amazon SageMaker ?

Cette formation d’une journée propose une immersion pratique dans les étapes clés du Machine Learning à l’aide d’Amazon SageMaker Studio, le service AWS dédié à la création, l’entraînement, l’évaluation, l’optimisation et le déploiement de modèles ML.

Pourquoi suivre une formation Mise en pratique de la Data Science avec Amazon SageMaker ?

Dans un contexte où l’Intelligence Artificielle et le Machine Learning deviennent des compétences recherchées, cette formation permet aux développeurs et ingénieurs DevOps d’acquérir une compréhension concrète du cycle de vie d’un projet ML, d’exécuter les étapes de préparation des données à la mise en production de modèles et de renforcer l’intégration des services AWS dans les solutions d’entreprise.

Objectif opérationnel :

Savoir préparer des données, entraîner, évaluer, optimiser et déployer un modèle de Machine Learning avec Amazon SageMaker.

Objectif pédagogiques :

À l'issue de cette formation Mise en pratique de la Data Science avec Amazon SageMaker, vous aurez acquis les connaissances nécessaires pour :

• Introduction au Machine Learning : Apprendre les bases de du Machine Learning et la façon dont il peut résoudre les problèmes de l'entreprise. Avantages des différents types de machine learning pour résoudre les problèmes que rencontrent les entreprises
• Préparation des données : Comprendre comment préparer et prétraiter les données pour les modèles de ML.
• Entraînement et évaluation des modèles : Acquérir une expérience pratique de la formation et de l'évaluation des modèles de ML.
• Mise au point du modèle : Apprendre les techniques d'optimisation et de réglage de vos modèles pour de meilleures performances.
• Déploiement de modèles : Comment déployer des modèles de ML dans des environnements de production.

Public :

Cette formation s’adresse aux développeurs, data scientists …

Prérequis :

Pour suivre ce cours, il est recommandé d’avoir suivi la Formation AWS : Notions Techniques de base sur Amazon Web Services ou de posséder des connaissances équivalentes, de comprendre les bases de la programmation Python et de disposer de connaissances de base en statistiques et en machine learning.

Introduction au Machine Learning

Introduction à Data Prep et SageMaker

Formulation du problème et préparation des données

Analyse des données et visualisation

Formation et évaluation d'un modèle

Réglage automatique d'un modèle

Déploiement / Préparation à la mise en production

Amazon SageMaker Architecture et caractéristiques