Ce que vous devez savoir avant
Vous commencez

Débute 4 June 2026 00:13

Se termine 4 June 2026

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

Salle de classe numérique - Science des données pratique avec Amazon SageMaker

Plongez dans l'apprentissage automatique pratique avec Amazon SageMaker, en maîtrisant la préparation des données, l'entraînement des modèles, l'évaluation et le déploiement grâce à des ateliers pratiques et des scénarios réalistes sur AWS.
Amazon Web Services via AWS Skill Builder

Amazon Web Services

479 Cours


8 hours

Amélioration optionnelle disponible

Intermédiaire

Progressez à votre rythme

Paid Course

Amélioration optionnelle disponible

Aperçu

Artificial intelligence and machine learning (AI/ML) are becoming mainstream. In this course, students will spend a day in the life of a data scientist so that students can collaborate efficiently with data scientists and build applications that integrate with ML.

Students will learn the basic process data scientists use to develop ML solutions on Amazon Web Services (AWS) with Amazon SageMaker. Students will experience the steps to build, train, and deploy an ML model through instructor-led demonstrations and labs.

Programme

  • Introduction à la science des données et à l'IA/ML
  • Aperçu de l'IA/ML dans l'industrie
    Rôle des data scientists
    Introduction à AWS et Amazon SageMaker
  • Préparation des données
  • Comprendre les exigences en données pour le ML
    Collecte et exploration des données
    Techniques de nettoyage et de prétraitement des données
  • Introduction à Amazon SageMaker
  • Aperçu des fonctionnalités et services de SageMaker
    Navigation dans l'interface SageMaker
    Configuration de l'environnement
  • Construction de modèles ML
  • Sélection et configuration d'un algorithme ML
    Ingénierie et sélection de caractéristiques
    Construction d'un modèle avec SageMaker
  • Entraînement des modèles ML
  • Concepts et méthodologies d'entraînement
    Configuration des tâches d'entraînement dans SageMaker
    Surveillance et évaluation de l'entraînement du modèle
  • Déploiement des modèles ML
  • Compréhension des points de terminaison et des options de déploiement
    Déploiement de modèles avec SageMaker
    Intégration avec des applications et services
  • Collaboration avec les data scientists
  • Meilleures pratiques de flux de travail et de communication
    Études de cas sur les projets d'IA/ML
  • Laboratoires pratiques et démonstrations
  • Laboratoire : Préparation et exploration des données
    Laboratoire : Construction et entraînement de modèles
    Laboratoire : Déploiement et test de modèles
  • Conclusion et prochaines étapes
  • Récapitulatif des enseignements clés
    Ressources pour aller plus loin
    Certifications et voies de carrière en data science

Matières

Programming