Aller au contenu principal
  • AWS
  • Cours pratique
  • Informatique
  • Officiel

Formation AWS SageMaker : Mise en pratique de la Data Science

Comprendre et appliquer le processus complet de Machine Learning avec Amazon SageMaker pour collaborer efficacement avec des data scientists

Demander un devis
Une formatrice accompagne deux participants penchés sur leurs notes, en salle de formation
Durée
1 jour
Niveau
Fondamental
Modalités
Distanciel

Description de la formation Data Science AWS SageMaker

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.

Atelier en salle : une participante présente des notes au tableau

Objectifs 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.

Objectifs opérationnels

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

Programme

Contenu du cours, module par module

8 modules

Programme mis à jour le 14/01/2026

Formations liées