Formation Ingénieur en apprentissage automatique AWS

Développez vos compétences. Zéro euro à payer. Grâce à nos formations payées par l’Etat

Vous maîtriserez les compétences nécessaires pour devenir un ingénieur ML performant. Apprenez les compétences en science des données et en apprentissage automatique requises pour créer et déployer des modèles d’apprentissage automatique en production à l’aide d’Amazon SageMaker.

CONNAISSANCES PRÉALABLES

Connaissance de base des algorithmes d’apprentissage automatique et de la programmation Python. Voir les exigences détaillées.

  • Introduction à l’apprentissage automatiqueDans ce cours, vous commencerez à découvrir l’apprentissage automatique grâce à des concepts de haut niveau via AWS SageMaker. Vous commencerez par utiliser SageMaker Studio pour effectuer une analyse exploratoire des données. Savoir comment et quand appliquer les concepts de base de l’apprentissage automatique à des scénarios du monde réel. Créez des workflows d’apprentissage automatique, en commençant par le nettoyage des données et l’ingénierie des fonctionnalités, jusqu’à l’évaluation et le réglage des hyperparamètres. Enfin, vous créerez de nouveaux flux de travail ML avec des modèles hautement sophistiqués tels que XGBoost et AutoGluon.PRÉDIRE LA DEMANDE DE VÉLOS EN LIBRE-SERVICE AVEC AUTOGLUON
  • Développer votre premier workflow de MLDans ce cours, vous apprendrez à créer des workflows généraux de machine learning sur AWS. Vous commencerez par une introduction aux principes généraux de l’ingénierie de l’apprentissage automatique. À partir de là, vous apprendrez les principes de base de SageMaker pour former, déployer et évaluer un modèle. Ensuite, vous apprendrez à créer un flux de travail d’apprentissage automatique sur AWS à l’aide d’outils tels que Lambda et Step Functions. Enfin, vous apprendrez à surveiller les workflows d’apprentissage automatique avec des services tels que Model Monitor et Feature Store. Avec tout cela, vous aurez toutes les informations dont vous avez besoin pour créer un pipeline de machine learning de bout en bout.CONSTRUIRE UN WORKFLOW ML SUR SAGEMAKER
  • Sujets d’apprentissage approfondi au sein de la vision par ordinateur et de la PNLDans ce cours, vous apprendrez à former, affiner et déployer des modèles d’apprentissage en profondeur à l’aide d’Amazon SageMaker. Vous commencerez par apprendre ce qu’est l’apprentissage en profondeur, où il est utilisé et quels outils sont utilisés par les ingénieurs en apprentissage en profondeur. Ensuite, nous découvrirons les neurones artificiels et les réseaux de neurones et comment les entraîner. Après cela, nous en apprendrons davantage sur les architectures de réseaux de neurones avancées telles que les réseaux de neurones convolutifs et BERT, ainsi que sur la façon de les affiner pour des tâches spécifiques. Enfin, vous découvrirez Amazon SageMaker et vous prendrez tout ce que vous avez appris et le ferez dans SageMaker Studio.CLASSIFICATION D’IMAGES À L’AIDE D’AWS SAGEMAKER
  • Opérationnalisation des projets de Machine Learning sur SageMakerCe cours couvre des sujets avancés liés au déploiement de projets de machine learning professionnels sur SageMaker. Il couvre également les applications de sécurité. Vous apprendrez à maximiser la production tout en réduisant les coûts. Vous apprendrez également à déployer des projets capables de gérer un trafic élevé et à travailler avec des ensembles de données particulièrement volumineux.OPÉRATIONNALISATION D’UN PROJET AWS ML
  • PROJET CAPSTONE : Surveillance des stocks dans les centres de distributionLes centres de distribution utilisent souvent des robots pour déplacer des objets dans le cadre de leurs opérations. Les objets sont transportés dans des bacs où chaque bac peut contenir plusieurs objets. Dans ce projet, les élèves devront construire un modèle capable de compter le nombre d’objets dans chaque bac. Un système comme celui-ci peut être utilisé pour suivre l’inventaire et s’assurer que les envois de livraison ont le bon nombre d’articles. Pour construire ce projet, les étudiants devront utiliser AWS Sagemaker et les bonnes pratiques d’ingénierie d’apprentissage automatique pour récupérer les données d’une base de données, les prétraiter, puis former un modèle d’apprentissage automatique. Ce projet servira de démonstration des compétences d’ingénierie d’apprentissage automatique de bout en bout qui constitueront un élément important de leur portefeuille prêt à l’emploi.

Début des cours tous les jours