SF34223
3 jours
Formation MLOps Engineering sur AWS (MLOE).
Optimisez vos déploiements ML avec les meilleures pratiques MLOps et l’approche DevOps grâce à notre cours de 3 jours !
Cette formation s’inspire de la méthodologie DevOps pour créer, entraîner et déployer des modèles de machine learning (ML) en s’appuyant sur le cadre de maturité MLOps à quatre niveaux. Elle met l’accent sur les trois premiers niveaux (initial, répétable et fiable) et souligne l’importance des données, des modèles et du code pour assurer des déploiements ML réussis. Vous apprendrez à utiliser des outils, des processus automatisés et une collaboration efficace entre ingénieurs, data scientists et équipes opérationnelles pour surmonter les défis liés aux transitions entre ces rôles. La formation aborde également la surveillance des modèles en production et les actions à entreprendre lorsque leurs performances évoluent.
Programme de formation MLOps Engineering sur AWS (MLOE).
Introduction
Présentation de la formation
Introduction au MLOps
Les opérations en machine learning
Objectifs du MLOps
De DevOps à MLOps
Définition et périmètre du machine learning
Workflow ML vu sous l’angle du MLOps
Communication et collaboration
Valeur du MLOps : cas d’usage
Développement en MLOps
Introduction à la création, l’entraînement et l’évaluation des modèles ML
Automatisation des workflows
Intégration d’Apache Airflow
Utilisation de Kubernetes pour le MLOps
Amazon SageMaker et son rôle en MLOps
Démonstration : Amazon SageMaker
Laboratoire : Intégrer son propre algorithme dans un pipeline MLOps
Activité de groupe : Plan d’action MLOps
Laboratoire : Codage et déploiement d’un modèle ML avec AWS CodeBuild
Déploiement en MLOps
Introduction aux opérations de déploiement
Packaging des modèles
Inférence et mise en production
Laboratoire : Déploiement d’un modèle en production
Variantes de production avec SageMaker
Stratégies de déploiement
Déploiement en périphérie (Edge AI)
Sécurité du déploiement
Laboratoire : Test A/B des modèles
Activité de groupe : Plan d’action MLOps
Surveillance et exploitation des modèles
Importance de la surveillance des modèles
Conception d’un monitoring efficace
Laboratoire : Surveillance d’un modèle ML
Approche Human-in-the-loop
Amazon SageMaker Model Monitor
Démonstration : Amazon SageMaker Model Monitor
Résolution des problèmes courants
Activité de groupe : Plan d’action MLOps
Conclusion
Synthèse de la formation
Activité de groupe : Plan d’action MLOps
Clôture de la formation
Nos autres formations en Cloud .
Formation Administrateur d’identité et de l’accès Microsoft (SC-300)
Formation Administration de la protection des informations et de la conformité dans Microsoft 365 (SC-400)
Formation Administration des solutions Microsoft Azure SQL (DP-300)
Formation Advanced Architecting on AWS (cours officiel)
Formation Applications Cloud-Native
Formation Architecting on AWS (cours officiel)
A travers sa Charte Engagement Qualité, Sparks s’engage à tout mettre en œuvre pour que chaque session de formation soit un succès et que votre satisfaction soit totale.
