Ingénieur certifié en apprentissage automatique AWS - Associé (MLA-C01) : Développement de modèles ML

Aperçu

AWS propose une vaste gamme de services d'apprentissage automatique pour aider les entreprises à aborder des problèmes complexes. Dans ce cours, AWS Certified Machine Learning Engineer - Associate (MLA-C01):

Développement de modèle ML, vous apprendrez à naviguer dans ces services et à sélectionner l'approche la plus appropriée pour vos solutions d'apprentissage automatique (ML).

Tout d'abord, vous explorerez les services ML et IA gérés par AWS qui sont conçus pour des cas d'utilisation spécifiques. Ensuite, vous découvrirez les algorithmes intégrés pour relever des défis ML plus complexes à l'aide d'Amazon SageMaker.

Enfin, vous apprendrez à surveiller vos modèles et à apporter des ajustements tout au long de l'entraînement. Lorsque vous aurez terminé ce cours, vous aurez les compétences et les connaissances en ingénierie d'apprentissage automatique sur AWS nécessaires pour réussir ce domaine de l'examen.

Programme

• Introduction aux services de Machine Learning d'AWS
Aperçu des offres de Machine Learning d'AWS
Identifier les services AWS adaptés aux solutions ML
• Services gérés de ML et d'IA d'AWS
Amazon Rekognition
Amazon Comprehend
Amazon Polly
Amazon Lex
Cas d'utilisation et exemples
• Amazon SageMaker
Configuration de l'environnement Amazon SageMaker
SageMaker Studio et Notebooks
Algorithmes intégrés
Apprentissage Linéaire
XGBoost
Regroupement K-Means
Optimisation des hyperparamètres
• Construction et entraînement de modèles ML
Préparation et traitement des données
Ingénierie des caractéristiques sur AWS
Entraînement des modèles dans SageMaker
Entraînement distribué avec SageMaker
• Évaluation et déploiement des modèles
Évaluer la performance des modèles
Test A/B et validation des modèles
Déploiement des modèles avec Amazon SageMaker Endpoints
• Surveillance et maintenance
Surveillance des modèles avec Amazon SageMaker Model Monitor
Automatisation de la ré-entraînement et du déploiement avec les pipelines
Gestion de la dérive des modèles et ré-entraînement
• Préparation aux examens
Révision des concepts clés
Stratégies d'examen et questions pratiques
Ressources supplémentaires pour l'étude
• Conclusion et prochaines étapes
Résumé des services de ML AWS
Chemins d'apprentissage avancés dans le Machine Learning AWS

Enseigné par

David Blocher

Sujets

Programmation