Niveau
Avancé
Prix
2430 Euros HT
Editeur
Durée
3 jours
Public visé
- Data scientists expérimentés et compétents dans les fondamentaux du ML et du deep learning
Prérequis
- Expérience avec les frameworks de Machine Learning
- Expérience en programmation Python
- Au moins un an d’expérience en tant que data scientist responsable de la formation, du réglage et du déploiement de modèles
- Avoir suivi la formation “AWS Technical Essentials” ou equivalent
Objectifs
- Accélérez le processus de préparation, de création, de formation, de déploiement et de surveillance des solutions de Machine Learning grâce à Amazon SageMaker Studio.
Programme (3 jours)
JOUR 1
Configuration d’Amazon SageMaker Studio
Démo: Interface utilisateur SageMaker
Traitement des données
Lab 1: Analyse et préparation des données avec Amazon SageMaker Data Wrangler
Lab 2: Analyse et préparation des données à grande échelle avec Amazon EMR
Lab 3: Traitement des données avec Amazon SageMaker Processing et SageMaker SDK Python
Lab 4: Ingénierie des fonctionnalités avec SageMaker Feature Store
Développement de modèles
Lab 5: Utilisation des expériences SageMaker pour suivre les itérations d’entraînement et de réglage des modèles
JOUR 2
Développement de modèles (suite)
Lab 6: Analyse, détection et configuration d’alertes avec SageMaker Debugger
Lab 7: Utilisation de SageMaker Clarify pour les biais et l’explicabilité
Déploiement et inférence
Lab 8: Utilisation de SageMaker Pipelines et de SageMaker Model Registry avec SageMaker Studio
Lab 9: Inférence avec SageMaker Studio
Surveillance
Démo: Surveillance du modèle
JOUR 3
Gestion des ressources et des mises à jour de SageMaker Studio
Lab Capstone:
- Défi 1 : Analyser et préparer le jeu de données avec SageMaker Data Wrangler
- Défi 2 : Créer des groupes de caractéristiques dans SageMaker Feature Store
- Défi 3 : Réaliser et gérer l’entraînement et le réglage du modèle avec SageMaker Experiments
- Défi 4 (Facultatif): Utiliser SageMaker Debugger pour les performances d’entraînement et l’optimisation du modèle
- Défi 5 : Évaluer les biais du modèle avec SageMaker Clarify
- Défi 6 : Réaliser des prédictions par lots à l’aide du point de terminaison du modèle
- Défi 7 (Facultatif): Automatiser l’intégralité du processus de développement du modèle avec SageMaker Pipeline