Cours
The Machine Learning Pipeline on AWS – Formation intensive («AWSA07»)
Cette formation officielle de niveau intermédiaire permet d’apprendre à utiliser le Machine Learning (ML) sur AWS pour résoudre un problème réel. Ce cours est une étape importante vers la certification « AWS Certified Machine Learning – Specialty ».
Durée
4 jours
Prix
3'700.–
excl. 8.1% TVA
Documents
Support électronique officiel AWS
Rôles professionnels associés
Machine Learning & AI
Content
- Choisir et justifier le choix d’une approche de ML appropriée pour résoudre un problème donné
- Utiliser le pipeline de ML pour résoudre un problème commercial spécifique
- Entraîner, évaluer, déployer et ajuster un modèle de ML avec Amazon SageMaker
- Connaître les bonnes pratiques de conception de pipelines de ML évolutifs, au coût optimal et sécurisés sur AWS
- Appliquer le Machine Learning à un problème réel
Jour 1
Module 0 : Introduction
- Préévaluation
- Aperçu du Machine Learning, y compris les cas d’utilisation, les types de Machine Learning et les concepts clés
- Aperçu du pipeline de Machine Learning
- Introduction aux projets du cours et approche
- Introduction à Amazon SageMaker
- Démonstration : Amazon SageMaker et Jupyter notebooks
- Exercice pratique : Amazon SageMaker et Jupyter notebooks
- Aperçu de la formulation de problème et décision si le ML est la bonne solution
- Convertir un problème commercial en problème de Machine Learning
- Démonstration : Amazon SageMaker Ground Truth
- Exercice pratique : Amazon SageMaker Ground Truth
- S’entraîner à la formulation de problème
- Formuler des problèmes dans le cadre de projets
Jour 2
Checkpoint 1 et examen des réponses
Module 4 : Prétraitement
- Aperçu de la collecte et de l’intégration de données et techniques de traitement et de visualisation de données
- S’exercer au prétraitement
- Prétraiter des données de projet
- Discussion en classe sur les différents projets
Jour 3
Checkpoint 2 et examen des réponses
Module 5 : Entraînement du modèle
- Choisir le bon algorithme
- Formater et fractionner les données pour l’entraînement
- Fonctions de perte et descende de gradient pour améliorer le modèle
- Démonstration : Créer une tâche d'entraînement sur Amazon SageMaker
- Comment évaluer la classification des modèles
- Comment évaluer la régression des modèles
- S’exercer à l’entraînement et à l’évaluation du modèle
- Entraîner et évaluer les modèles du projet
- Présentations du projet initial
Jour 4
Checkpoint 3 et examen des réponses
Module 7 : Ingénierie des caractéristiques et optimisation des modèles
- Extraction, sélection, création et transformation des caractéristiques
- Réglage de l’hyperparamètre
- Démonstration : Optimisation de l’hyperparamètre de Sagemaker
- Exercer l’ingénierie des caractéristiques et l’optimisation du modèle
- Appliquer l’ingénierie des caractéristiques et l’optimisation du modèle aux projets
- Présentations du projet final
- Comment déployer et surveiller votre modèle avec Amazon SageMaker
- Déployer le ML en périphérie
- Démonstration : Créer un terminal sur Amazon SageMaker
- Évaluation finale
- Résumé et conclusion de la formation
Fait partie des cours suivants
- The Machine Learning Pipeline on AWS – Formation intensive
- Machine Learning & AI
Cette formation marque une étape essentielle vers la certification « AWS Certified Machine Learning – Specialty » pour laquelle il faut passer l’examen MLS-C01.
L’examen ne fait pas partie de la formation. Nous conseillons de vous inscrire à l’examen lorsque vous aurez au moins 2 ans d’expérience avec le Machine Learning et la technologie AWS. L’inscription à l’examen se fait directement auprès d’AWS, dure 180 minutes et coûte USD 300.
Matériel
- Support de cours : Environ une semaine avant le début de votre formation, vous recevrez vos données d’accès (code voucher) aux supports de cours électroniques par e-mail directement de l’adresse noreply@gilmore.ca. Tous les supports de cours sont hébergés sur la plateforme evantage.gilmoreglobal.com. Veuillez suivre les instructions contenues dans l’e-mail et créer un compte avec votre adresse e-mail professionnelle (si vous n’avez pas encore de compte) pour accéder aux supports de cours.
- Labs : Tous les exercices des formations techniques sont hébergés sur la plateforme d’exercice officielle d’AWS digicomp.qwiklabs.com. Au début de leur formation, les participantes et participants devront créer leur propre compte sur digicomp.qwiklabs.com avec leur adresse e-mail professionnelle pour avoir accès aux labs officiels d’AWS et pouvoir effectuer les exercices pratiques.
- Plateforme de formation : Si vous participez à une formation virtuelle, vous recevrez l’accès à la plateforme de formation de Digicomp un jour avant le début de votre formation.
- Pour accéder aux supports de cours et exercices pendant le cours, pensez à les télécharger et à apporter votre propre tablette ou ordinateur portable.