Formation : AWS – The Machine Learning Pipeline on Amazon Web Services

Module 1 : Introduction à l’apprentissage automatique et au pipeline ML

• Vue d’ensemble de l’apprentissage automatique, y compris les cas d’utilisation, les types d’apprentissage automatique et les concepts clés
• Vue d’ensemble du pipeline ML
• Introduction aux projets de cours et à l’approche

Module 2 : Introduction à Amazon SageMaker

• Introduction à Amazon SageMaker
• Démo : blocs-notes Amazon SageMaker et Jupyter
• Pratique : blocs-notes Amazon SageMaker et Jupyter

Module 3 : Formulation du problème

• Vue d’ensemble de la formulation du problème et décider si le ML est la bonne solution
• Conversion d’un problème métier en problème ML
• Démo : Amazon SageMaker Ground Truth
• Pratique : Amazon SageMaker Ground Truth
• Pratiquer la formulation de problèmes
• Formuler des problèmes pour les projets

Module 4 : Prétraitement

• Vue d’ensemble de la collecte et de l’intégration des données, et des techniques de prétraitement et de visualisation des données
• Pratiquer le prétraitement
• Prétraiter les données du projet
• Discussion en classe sur les projets

Module 5 : Formation sur les modèles

• Choisir le bon algorithme
• Formatage et fractionnement de vos données pour la formation
• Fonctions de perte et descente de gradient pour améliorer votre modèle
• Démo : créer une tâche de formation dans Amazon SageMaker

Module 6 : Évaluation du modèle

• Comment évaluer les modèles de classification
• Comment évaluer les modèles de régression
• Formation et évaluation de modèles de pratique
• Former et évaluer des modèles de projets
• Présentations initiales du projet

Module 7 : Ingénierie des fonctionnalités et optimisation du modèle

• Extraction, sélection, création et transformation de fonctionnalités
• Réglage des hyperparamètres
• Démo : optimisation des hyperparamètres SageMaker
• Pratiquez l’ingénierie des fonctionnalités et le réglage des modèles
• Appliquer l’ingénierie des fonctionnalités et le réglage du modèle aux projets
• Présentation finale du projet

Module 8 : Déploiement

• Comment déployer, déduire et surveiller votre modèle sur Amazon SageMaker
• Déployer le ML à la périphérie
• Démo : création d’un point de terminaison Amazon SageMaker
• Post-évaluation
• Récapitulation du cours