Formation AWS : Machine Learning Engineering (cours officiel)

Cette formation AWS Machine Learning Engineering est conçue pour apprendre l'ingénierie de l'apprentissage automatique sur AWS. Afin de construire, déployer, orchestrer et opérationnaliser des solutions de ML à grande échelle via une combinaison équilibrée de théorie, de laboratoires pratiques et d'activités. 

Objectif opérationnel :

Savoir utiliser des services comme Amazon SageMaker AI et des outils d'analyses tel qu'Amazon EMR pour développer des applications d'apprentissage automatique robustes, évolutives et prêtes pour la production.

Objectifs pédagogiques :

À l'issue de cette formation AWS : Machine Learning Engineering vous aurez acquis les connaissances et les compétences nécessaires pour :

• Expliquer les principes fondamentaux de la ML et ses applications dans le nuage AWS
• Traiter, transformer et concevoir des données pour des tâches de ML en utilisant les services AWS
• Sélectionner les algorithmes de ML et les approches de modélisation appropriés en fonction des exigences du problème et de l'interprétabilité du modèle
• Concevoir et mettre en œuvre des pipelines de ML évolutifs en utilisant les services AWS pour la formation, le déploiement et l'orchestration des modèles
• Créer des pipelines automatisés d'intégration et de livraison continues (CI/CD) pour les flux de travail de ML
• Discuter des mesures de sécurité appropriées pour les ressources de ML sur AWS
• Mettre en œuvre des stratégies de surveillance pour les modèles ML déployés, y compris des techniques pour détecter la dérive des données

Public :

Cette formation s'adresse aux professionnels intéressés par la construction, le déploiement et l'opérationnalisation de modèles d'apprentissage automatique sur AWS. Elle peut concerner les ingénieurs en apprentissage automatique en poste ou en formation qui on peu d'expérience préalable avec AWS, les ingénieurs DevOps, les développeurs et les ingénieurs SysOps.

Prérequis :

Pour suivre ce cours, il est recommandé que les participants possèdent les connaissances suivantes :

• Familiarité avec les concepts de base de l'apprentissage automatique
• Connaissance pratique du langage de programmation Python et des bibliothèques de science des données courantes telles que NumPy, Pandas et Scikit-learn
• Compréhension de base des concepts de l'informatique en nuage et familiarité avec AWS
• Expérience des systèmes de contrôle de version tels que Git (bénéfique mais non obligatoire)

Introduction au Machine Learning (ML) sur AWS

Module 2 : Analyser les défis du Machine Learning (ML)

Module 3 : Traitement des données pour le Machine Learning (ML)

Transformation des données et ingénierie des fonctionnalités

Choix d'une approche de modélisation

Formation de modèles d'apprentissage automatique (ML)

Évaluation et optimisation des modèles de Machine Learning (ML)

Stratégies de déploiement des modèles

Sécurisation des ressources AWS Machine Learning (ML)

Opérations d'apprentissage automatique (MLOps) et déploiement automatisé

Suivi des performances des modèles et de la qualité des données