- AWS
- Certifiant
- Cours pratique
- Informatique
- Officiel
Formation AWS : Machine Learning Engineering (cours officiel)
- Durée
- 3 jours
- Niveau
- Intermédiaire
- Modalités
- Présentiel / Distanciel
- Certification
- AWS Certified Machine Learning Engineer Associate
Description de la formation AWS Machine Learning
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.
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
Objectifs opérationnels
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.
Programme
Contenu du cours, module par module
11 modules
- Introduction au ML
- Amazon SageMaker AI
- ML responsable
- Évaluer les défis commerciaux de l'apprentissage automatique
- Approches de l'apprentissage automatique
- Algorithmes d'apprentissage automatique
- Préparation des données et types
- Analyse exploratoire des données
- Options de stockage AWS et choix du stockage
- Traitement des données incorrectes, dupliquées et manquantes
- Concepts de Feature Engineering
- Techniques de sélection des caractéristiques
- Services de transformation de données AWS
Travaux pratiques
Atelier 2 : Traitement des données avec SageMaker Processing et SageMaker Python SDK
- Algorithmes intégrés d'Amazon SageMaker AI
- Sélection d'algorithmes de formation intégrés
- Autopilote d'Amazon SageMaker
- Considérations relatives à la sélection des modèles
- Considérations relatives aux coûts de ML
- Concepts de formation de modèles
- Formation de modèles dans Amazon SageMaker AI
Travaux pratiques
- Évaluation des performances des modèles
- Techniques pour réduire le temps de formation
- Techniques d'optimisation des hyperparamètres
Travaux pratiques
- Considérations sur le déploiement et options cibles
- Stratégies de déploiement
- Choix d'une stratégie d'inférence de modèle
- Types de conteneurs et d'instances pour l'inférence
Travaux pratiques
- Contrôle d'accès
- Contrôles d'accès au réseau pour les ressources ML
- Considérations de sécurité pour les pipelines CI/CD
- Introduction aux MLOps
- Automatisation des tests dans les pipelines CI/CD
- Services de livraison continue
Travaux pratiques
- Détection de la dérive dans les modèles ML
- SageMaker Model Monitor
- Contrôle de la qualité des données et des modèles
- Remédiation automatisée et dépannage
Travaux pratiques
Programme mis à jour le 13/01/2026
Public concerné
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)
J’évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Faire le testFinancement
Cette formation peut être prise en charge par votre entreprise, seule ou avec l’appui de son opérateur de compétences. Nous fournissons le devis et les pièces attendues par l’OPCO.
Formations liées
- AWS : Data Warehousing sur AWS (cours officiel)Réf. IADW3 joursIntermédiaireProchaine session : 23 nov.2 650 €
- AWS : Développement Avancé sur Amazon Web Services (cours officiel)Réf. IADA3 joursAvancé
- AWS : Développement sur Amazon Web Services (cours officiel)Réf. IADV3 joursIntermédiaireProchaine session : 19 oct.2 450 €
- AWS : Développer des applications d'IA générative sur AWS (cours officiel)Réf. AWDA2 joursFondamentalProchaine session : 8 mars1 595 €