Apprentissage automatique sur AWS

Aperçu

Acquérez une expérience pratique avec les services d'apprentissage automatique d'AWS grâce à des scénarios gamifiés, réalistes et des défis interactifs conçus pour les ingénieurs en apprentissage automatique et les data scientists.

Programme

- Introduction à l'apprentissage automatique AWS -- Aperçu des services d'apprentissage automatique AWS -- Configuration de votre compte et environnement AWS -- Introduction à Amazon SageMaker - Prétraitement et gestion des données -- Stockage et récupération de données avec Amazon S3 -- Utilisation d'AWS Glue pour les processus ETL -- Préparation des données et ingénierie des fonctionnalités dans SageMaker - Construction de modèles d'apprentissage automatique -- Introduction aux algorithmes intégrés dans Amazon SageMaker -- Développement de modèles personnalisés avec Jupyter notebooks -- Utilisation de SageMaker Studio pour le développement de modèles - Entraînement des modèles d'apprentissage automatique -- Compréhension des services d'entraînement gérés -- Optimisation des travaux d'entraînement avec le réglage des hyperparamètres -- Entraînement distribué et utilisation d'instances spot - Évaluation et validation des modèles -- Techniques de validation des performances du modèle -- Surveillance des travaux d'entraînement -- Conseils pratiques pour l'évaluation des modèles sur AWS - Déploiement des modèles d'apprentissage automatique -- Options de déploiement de modèles avec SageMaker -- Inférence en temps réel et par lots -- Tests A/B et mise à l'échelle des points de terminaison - Automatisation et CI/CD dans AWS -- Mise en œuvre de MLOps avec SageMaker Pipelines -- Automatisation des workflows de bout en bout avec AWS Step Functions -- Contrôle de version et déploiement continu avec AWS CodePipeline - Sécurité et conformité dans AWS ML -- Bonnes pratiques de sécurité pour les services ML d'AWS -- Gestion des rôles et des politiques IAM -- Chiffrement des données et considérations de conformité - Scénarios réels et défis -- Exercices gamifiés utilisant des ensembles de données d'industrie réelle -- Défis interactifs ML et compétitions -- Études de cas sur les implémentations ML réussies sur AWS - Projet de fin d'études -- Concevoir et mettre en œuvre une solution ML complète sur AWS -- Présentation et démonstration du projet -- Révision par les pairs et feedback - Conclusion et prochaines étapes -- Ressources pour aller plus loin dans l'apprentissage automatique sur AWS -- Parcours de carrière et opportunités de certification -- Q&R et clôture du cours

Enseigné par

Étiquettes