Detailed Course Outline
Module 0 : Introduction au cours
Module 1 : Introduction au machine learning (ML) sur AWS
- Sujet A : Introduction au ML
- Sujet B : Amazon SageMaker AI
- Sujet C : ML responsable
Module 2 : Analyse des défis liés au machine learning (ML)
- Sujet A : Évaluation des défis métiers liés au ML
- Sujet B : Approches d’entraînement en ML
- Sujet C : Algorithmes d’entraînement en ML
Module 3 : Traitement des données pour le machine learning (ML)
- Sujet A : Préparation et types de données
- Sujet B : Analyse exploratoire des données
- Sujet C : Options de stockage AWS et choix du stockage
Module 4 : Transformation des données et ingénierie des caractéristiques
- Sujet A : Gestion des données incorrectes, dupliquées et manquantes
- Sujet B : Concepts d’ingénierie des caractéristiques
- Sujet C : Techniques de sélection des caractéristiques
- Sujet D : Services AWS de transformation des données
- Lab 1 : Analyser et préparer les données avec Amazon SageMaker Data Wrangler et Amazon EMR
- Lab 2 : Traitement des données avec SageMaker Processing et le SDK Python de SageMaker
Module 5 : Choix d’une approche de modélisation
- Sujet A : Algorithmes intégrés à Amazon SageMaker AI
- Sujet B : Amazon SageMaker Autopilot
- Sujet C : Sélection des algorithmes d’entraînement intégrés
- Sujet D : Considérations pour le choix d’un modèle
- Sujet E : Considérations sur les coûts du ML
Module 6 : Entraînement de modèles de machine learning (ML)
- Sujet A : Concepts d’entraînement de modèles
- Sujet B : Entraîner des modèles avec Amazon SageMaker AI
- Lab 3 : Entraîner un modèle avec Amazon SageMaker AI
Module 7 : Évaluation et optimisation des modèles de machine learning (ML)
- Sujet A : Évaluation des performances du modèle
- Sujet B : Techniques de réduction du temps d’entraînement
- Sujet C : Techniques d’optimisation des hyperparamètres
- Lab 4 : Optimisation et ajustement d’un modèle avec Amazon SageMaker AI
Module 8 : Stratégies de déploiement des modèles
- Sujet A : Considérations de déploiement et options cibles
- Sujet B : Stratégies de déploiement
- Sujet C : Choix d’une stratégie d’inférence
- Sujet D : Types de conteneurs et d’instances pour l’inférence
- Lab 5 : Répartition du trafic
Module 9 : Sécurisation des ressources de machine learning (ML) sur AWS
- Sujet A : Contrôle d’accès
- Sujet B : Contrôles d’accès réseau pour les ressources ML
- Sujet C : Considérations de sécurité pour les pipelines CI/CD
Module 10 : MLOps et déploiement automatisé
- Sujet A : Introduction au MLOps
- Sujet B : Automatisation des tests dans les pipelines CI/CD
- Sujet C : Services de livraison continue
- Lab 6 : Utiliser Amazon SageMaker Pipelines et le registre de modèles avec Amazon SageMaker Studio
Module 11 : Supervision des performances des modèles et de la qualité des données
- Sujet A : Détection de la dérive dans les modèles ML
- Sujet B : SageMaker Model Monitor
- Sujet C : Supervision de la qualité des données et des modèles
- Sujet D : Remédiation automatique et dépannage
- Lab 7 : Surveiller un modèle pour détecter la dérive des données