Formation Amazon SageMaker : Le Machine Learning sur AWS

PROGRAMME DE NOTRE FORMATION AMAZON SAGEMAKER

INTRODUCTION À AMAZON SAGEMAKER

• Présentation du Machine Learning
• Présentation d’Amazon SageMaker
• Les avantages d’Amazon SageMaker et ses limites
• Les différents types d’apprentissage :
  • Supervisé
  • Non supervisé
  • Par renforcement
• Adapter les problématiques ML en fonction de vos besoins
• Présentation de l’interface Amazon SageMaker Studio

PRÉPARATION ET EXPLORATION DES DONNÉES

• L’importance de l’analyse et de la préparation des données
• Les bonnes pratiques de nettoyage
• Manipuler ses données avec Amazon SageMaker Studio
• Utiliser les notebooks
• Préparation des données avec SageMaker Data Wrangler
• Data visualisation
• Analyse de données

ENTRAÎNEMENT ET ÉVALUATION DES MODÈLES

• Présentation du workflow ML
• Quel algorithme choisir ?
• Configurer ses instances d’entraînement
• Gestion des ressources
• Techniques d’évaluation de modèles
• Interprétation des résultats
• Amazon CodeWhisperer pour l’optimisation du code

DÉPLOIEMENT ET MONITORING

• Stratégies de déploiement de modèles ML en production
• Déploiement de modèles vers des points de terminaison en temps réel
• Monitoring avec Amazon SageMaker Model Monitor
• Gestion des versions et mise à jour
• Bonnes pratiques pour le test et le déploiement continu

AUTOMATISATION

• Automatisation des workflows ML à l’aide de SageMaker Pipelines
• Introduction à SageMaker Feature Store
• SageMaker Clarify
  • Qu’est-ce que SageMaker Clarify ?
  • Évaluer ses modèles
  • Détection des biais
• Comprendre et appliquer le MLOps
• Les bonnes pratiques du MLOps
• Études de cas