Niveau

Intermédiaire

Prix

2430 Euros HT

Editeur

Durée

3 jours

Public visé

• Ingénieurs de plateformes ML
• Ingénieurs DevOps et DevOps opérant sur des plateformes ML

Prérequis

• Avoir au moins suivi la formation “AWS Technical Essentials”, “DevOps Engineering” et “Practical Data Science with Amazon SageMaker” (Ou avoir un niveau équivalent)

Objectifs

• Expliquer les avantages du MLOps
• Comparer et contraster DevOps et MLOps
• Évaluer les exigences de sécurité et de gouvernance pour un cas d’utilisation de ML et décrire les solutions possibles et les stratégies d’atténuation
• Configurer des environnements d’expérimentation pour MLOps avec Amazon SageMaker
• Expliquer les meilleures pratiques pour la gestion des versions et le maintien de l’intégrité des actifs du modèle ML (données, modèle et code)
• Décrire trois options pour créer un pipeline CI/CD complet dans un contexte de ML
• Rappelez-vous les meilleures pratiques pour la mise en œuvre du packaging, des tests et du déploiement automatisés. (Données/modèle/code)
• Démontrer comment surveiller les solutions basées sur le ML
• Démontrer comment automatiser une solution ML qui teste, conditionne et déploie un modèle de manière automatisée ; détecte la dégradation des performances ; et réentraîner le modèle en fonction des données nouvellement acquises 

JOUR 1

INTRODUCTION AU MLOPS

MLOPS INITIAL: EXPÉRIMENTATION DES ENVIRONNEMENTS DANS SAGEMAKER STUDIO

Lab 1: Provisionner un environnement SageMaker Studio avec AWS Service Catalogue

MLOPS « RÉPÉTABLE »: LES REPOSITORIES

MLOPS « RÉPÉTABLE »: ORCHESTRATION (Partie 1)

Demo: Utiliser les pipelines SageMaker pour orchestrer un pipeline de construction de modèles

JOUR 2

MLOPS « RÉPÉTABLE »: ORCHESTRATION (Partie 2)

Lab 2: Automatiser un workflow avec AWS Step Functions

Demo: Standardiser un pipeline ML Point-à-point avec les projets SageMaker

Demo: Explorer « Human-In-The-Loop » pendant l’inférence

Demo: Explorer les bonnes pratiques de sécurité pour SageMaker

MLOPS « FIABLE »: SCALABILITÉ ET TESTS (Partie 1)

Demo: Utiliser le recommandeur d’inférence SageMaker

Lab 3: Tests de modèles

JOUR 3

MLOPS « FIABLE »: SCALABILITÉ ET TESTS (Partie 2)

Lab 4: Gestion du trafic

MLOPS « FIABLE »: Surveillance

Lab 5: Surveiller un modèle (identifier des Drifts)

Lab 6: Construire et dépanner un pipeline ML