A l'issue de ce cours, vous devriez être en mesure de :\n<\/p>\n
Nous recommandons aux participants de ce cours d’avoir les connaissances suivantes :<\/p>\n
Ce cours s’adresse aux professionnels souhaitant créer, déployer et opérationnaliser des modèles de machine learning sur AWS. Cela inclut les ingénieurs en machine learning en poste ou en formation, même avec peu d’expérience préalable sur AWS. D’autres profils pouvant bénéficier de cette formation sont les ingénieurs DevOps, les développeurs et les ingénieurs SysOps.<\/p>","contents":"
Machine Learning (ML) Engineering on Amazon Web Services (AWS) est une formation intermédiaire de 3 jours destinée aux professionnels du ML souhaitant apprendre l’ingénierie du machine learning sur AWS. \nLes participants apprendront à concevoir, déployer, orchestrer et opérationnaliser des solutions ML à grande échelle grâce à un équilibre entre théorie, travaux pratiques et activités. \nIls acquerront une expérience concrète de l’utilisation des services AWS tels qu’Amazon SageMaker et des outils d’analyse comme Amazon EMR pour développer des applications de machine learning robustes, évolutives et prêtes pour la production.<\/p>","objective_plain":"A l'issue de ce cours, vous devriez \u00eatre en mesure de :\n\n\n\n- Expliquer les principes fondamentaux du machine learning et ses applications dans le cloud AWS.\n- Traiter, transformer et pr\u00e9parer les donn\u00e9es pour des t\u00e2ches de ML \u00e0 l\u2019aide des services AWS.\n- S\u00e9lectionner les algorithmes de ML et les approches de mod\u00e9lisation appropri\u00e9s selon les exigences du probl\u00e8me et l\u2019interpr\u00e9tabilit\u00e9 du mod\u00e8le.\n- Concevoir et mettre en \u0153uvre des pipelines ML \u00e9volutifs \u00e0 l\u2019aide des services AWS pour l\u2019entra\u00eenement, le d\u00e9ploiement et l\u2019orchestration des mod\u00e8les.\n- Cr\u00e9er des pipelines d\u2019int\u00e9gration et de livraison continues (CI\/CD) automatis\u00e9s pour les workflows ML.\n- Discuter des mesures de s\u00e9curit\u00e9 appropri\u00e9es pour les ressources ML sur AWS.\n- Mettre en \u0153uvre des strat\u00e9gies de supervision pour les mod\u00e8les ML d\u00e9ploy\u00e9s, y compris des techniques de d\u00e9tection du d\u00e9rive des donn\u00e9es.","essentials_plain":"Nous recommandons aux participants de ce cours d\u2019avoir les connaissances suivantes :\n\n\n- Ma\u00eetrise des concepts de base du machine learning\n- Connaissance pratique du langage de programmation Python et des biblioth\u00e8ques courantes en data science telles que NumPy, Pandas et Scikit-learn\n- Compr\u00e9hension de base des concepts de cloud computing et familiarit\u00e9 avec AWS\n- Exp\u00e9rience avec les syst\u00e8mes de gestion de versions comme Git (utile mais non requise)","audience_plain":"Ce cours s\u2019adresse aux professionnels souhaitant cr\u00e9er, d\u00e9ployer et op\u00e9rationnaliser des mod\u00e8les de machine learning sur AWS. Cela inclut les ing\u00e9nieurs en machine learning en poste ou en formation, m\u00eame avec peu d\u2019exp\u00e9rience pr\u00e9alable sur AWS. D\u2019autres profils pouvant b\u00e9n\u00e9ficier de cette formation sont les ing\u00e9nieurs DevOps, les d\u00e9veloppeurs et les ing\u00e9nieurs SysOps.","contents_plain":"Module 0 : Introduction au cours\n\nModule 1 : Introduction au machine learning (ML) sur AWS\n\n\n- Sujet A : Introduction au ML\n- Sujet B : Amazon SageMaker AI\n- Sujet C : ML responsable\nModule 2 : Analyse des d\u00e9fis li\u00e9s au machine learning (ML)\n\n\n- Sujet A : \u00c9valuation des d\u00e9fis m\u00e9tiers li\u00e9s au ML\n- Sujet B : Approches d\u2019entra\u00eenement en ML\n- Sujet C : Algorithmes d\u2019entra\u00eenement en ML\nModule 3 : Traitement des donn\u00e9es pour le machine learning (ML)\n\n\n- Sujet A : Pr\u00e9paration et types de donn\u00e9es\n- Sujet B : Analyse exploratoire des donn\u00e9es\n- Sujet C : Options de stockage AWS et choix du stockage\nModule 4 : Transformation des donn\u00e9es et ing\u00e9nierie des caract\u00e9ristiques\n\n\n- Sujet A : Gestion des donn\u00e9es incorrectes, dupliqu\u00e9es et manquantes\n- Sujet B : Concepts d\u2019ing\u00e9nierie des caract\u00e9ristiques\n- Sujet C : Techniques de s\u00e9lection des caract\u00e9ristiques\n- Sujet D : Services AWS de transformation des donn\u00e9es\n- Lab 1 : Analyser et pr\u00e9parer les donn\u00e9es avec Amazon SageMaker Data Wrangler et Amazon EMR\n- Lab 2 : Traitement des donn\u00e9es avec SageMaker Processing et le SDK Python de SageMaker\nModule 5 : Choix d\u2019une approche de mod\u00e9lisation\n\n\n- Sujet A : Algorithmes int\u00e9gr\u00e9s \u00e0 Amazon SageMaker AI\n- Sujet B : Amazon SageMaker Autopilot\n- Sujet C : S\u00e9lection des algorithmes d\u2019entra\u00eenement int\u00e9gr\u00e9s\n- Sujet D : Consid\u00e9rations pour le choix d\u2019un mod\u00e8le\n- Sujet E : Consid\u00e9rations sur les co\u00fbts du ML\nModule 6 : Entra\u00eenement de mod\u00e8les de machine learning (ML)\n\n\n- Sujet A : Concepts d\u2019entra\u00eenement de mod\u00e8les\n- Sujet B : Entra\u00eener des mod\u00e8les avec Amazon SageMaker AI\n- Lab 3 : Entra\u00eener un mod\u00e8le avec Amazon SageMaker AI\nModule 7 : \u00c9valuation et optimisation des mod\u00e8les de machine learning (ML)\n\n\n- Sujet A : \u00c9valuation des performances du mod\u00e8le\n- Sujet B : Techniques de r\u00e9duction du temps d\u2019entra\u00eenement\n- Sujet C : Techniques d\u2019optimisation des hyperparam\u00e8tres\n- Lab 4 : Optimisation et ajustement d\u2019un mod\u00e8le avec Amazon SageMaker AI\nModule 8 : Strat\u00e9gies de d\u00e9ploiement des mod\u00e8les\n\n\n- Sujet A : Consid\u00e9rations de d\u00e9ploiement et options cibles\n- Sujet B : Strat\u00e9gies de d\u00e9ploiement\n- Sujet C : Choix d\u2019une strat\u00e9gie d\u2019inf\u00e9rence\n- Sujet D : Types de conteneurs et d\u2019instances pour l\u2019inf\u00e9rence\n- Lab 5 : R\u00e9partition du trafic\nModule 9 : S\u00e9curisation des ressources de machine learning (ML) sur AWS\n\n\n- Sujet A : Contr\u00f4le d\u2019acc\u00e8s\n- Sujet B : Contr\u00f4les d\u2019acc\u00e8s r\u00e9seau pour les ressources ML\n- Sujet C : Consid\u00e9rations de s\u00e9curit\u00e9 pour les pipelines CI\/CD\nModule 10 : MLOps et d\u00e9ploiement automatis\u00e9\n\n\n- Sujet A : Introduction au MLOps\n- Sujet B : Automatisation des tests dans les pipelines CI\/CD\n- Sujet C : Services de livraison continue\n- Lab 6 : Utiliser Amazon SageMaker Pipelines et le registre de mod\u00e8les avec Amazon SageMaker Studio\nModule 11 : Supervision des performances des mod\u00e8les et de la qualit\u00e9 des donn\u00e9es\n\n\n- Sujet A : D\u00e9tection de la d\u00e9rive dans les mod\u00e8les ML\n- Sujet B : SageMaker Model Monitor\n- Sujet C : Supervision de la qualit\u00e9 des donn\u00e9es et des mod\u00e8les\n- Sujet D : Rem\u00e9diation automatique et d\u00e9pannage\n- Lab 7 : Surveiller un mod\u00e8le pour d\u00e9tecter la d\u00e9rive des donn\u00e9es\nModule 12 : Cl\u00f4ture du cours","outline_plain":"Module 0 : Introduction au cours\n\nModule 1 : Introduction au machine learning (ML) sur AWS\n\n\n- Sujet A : Introduction au ML\n- Sujet B : Amazon SageMaker AI\n- Sujet C : ML responsable\nModule 2 : Analyse des d\u00e9fis li\u00e9s au machine learning (ML)\n\n\n- Sujet A : \u00c9valuation des d\u00e9fis m\u00e9tiers li\u00e9s au ML\n- Sujet B : Approches d\u2019entra\u00eenement en ML\n- Sujet C : Algorithmes d\u2019entra\u00eenement en ML\nModule 3 : Traitement des donn\u00e9es pour le machine learning (ML)\n\n\n- Sujet A : Pr\u00e9paration et types de donn\u00e9es\n- Sujet B : Analyse exploratoire des donn\u00e9es\n- Sujet C : Options de stockage AWS et choix du stockage\nModule 4 : Transformation des donn\u00e9es et ing\u00e9nierie des caract\u00e9ristiques\n\n\n- Sujet A : Gestion des donn\u00e9es incorrectes, dupliqu\u00e9es et manquantes\n- Sujet B : Concepts d\u2019ing\u00e9nierie des caract\u00e9ristiques\n- Sujet C : Techniques de s\u00e9lection des caract\u00e9ristiques\n- Sujet D : Services AWS de transformation des donn\u00e9es\n- Lab 1 : Analyser et pr\u00e9parer les donn\u00e9es avec Amazon SageMaker Data Wrangler et Amazon EMR\n- Lab 2 : Traitement des donn\u00e9es avec SageMaker Processing et le SDK Python de SageMaker\nModule 5 : Choix d\u2019une approche de mod\u00e9lisation\n\n\n- Sujet A : Algorithmes int\u00e9gr\u00e9s \u00e0 Amazon SageMaker AI\n- Sujet B : Amazon SageMaker Autopilot\n- Sujet C : S\u00e9lection des algorithmes d\u2019entra\u00eenement int\u00e9gr\u00e9s\n- Sujet D : Consid\u00e9rations pour le choix d\u2019un mod\u00e8le\n- Sujet E : Consid\u00e9rations sur les co\u00fbts du ML\nModule 6 : Entra\u00eenement de mod\u00e8les de machine learning (ML)\n\n\n- Sujet A : Concepts d\u2019entra\u00eenement de mod\u00e8les\n- Sujet B : Entra\u00eener des mod\u00e8les avec Amazon SageMaker AI\n- Lab 3 : Entra\u00eener un mod\u00e8le avec Amazon SageMaker AI\nModule 7 : \u00c9valuation et optimisation des mod\u00e8les de machine learning (ML)\n\n\n- Sujet A : \u00c9valuation des performances du mod\u00e8le\n- Sujet B : Techniques de r\u00e9duction du temps d\u2019entra\u00eenement\n- Sujet C : Techniques d\u2019optimisation des hyperparam\u00e8tres\n- Lab 4 : Optimisation et ajustement d\u2019un mod\u00e8le avec Amazon SageMaker AI\nModule 8 : Strat\u00e9gies de d\u00e9ploiement des mod\u00e8les\n\n\n- Sujet A : Consid\u00e9rations de d\u00e9ploiement et options cibles\n- Sujet B : Strat\u00e9gies de d\u00e9ploiement\n- Sujet C : Choix d\u2019une strat\u00e9gie d\u2019inf\u00e9rence\n- Sujet D : Types de conteneurs et d\u2019instances pour l\u2019inf\u00e9rence\n- Lab 5 : R\u00e9partition du trafic\nModule 9 : S\u00e9curisation des ressources de machine learning (ML) sur AWS\n\n\n- Sujet A : Contr\u00f4le d\u2019acc\u00e8s\n- Sujet B : Contr\u00f4les d\u2019acc\u00e8s r\u00e9seau pour les ressources ML\n- Sujet C : Consid\u00e9rations de s\u00e9curit\u00e9 pour les pipelines CI\/CD\nModule 10 : MLOps et d\u00e9ploiement automatis\u00e9\n\n\n- Sujet A : Introduction au MLOps\n- Sujet B : Automatisation des tests dans les pipelines CI\/CD\n- Sujet C : Services de livraison continue\n- Lab 6 : Utiliser Amazon SageMaker Pipelines et le registre de mod\u00e8les avec Amazon SageMaker Studio\nModule 11 : Supervision des performances des mod\u00e8les et de la qualit\u00e9 des donn\u00e9es\n\n\n- Sujet A : D\u00e9tection de la d\u00e9rive dans les mod\u00e8les ML\n- Sujet B : SageMaker Model Monitor\n- Sujet C : Supervision de la qualit\u00e9 des donn\u00e9es et des mod\u00e8les\n- Sujet D : Rem\u00e9diation automatique et d\u00e9pannage\n- Lab 7 : Surveiller un mod\u00e8le pour d\u00e9tecter la d\u00e9rive des donn\u00e9es\nModule 12 : Cl\u00f4ture du cours","summary_plain":"Machine Learning (ML) Engineering on Amazon Web Services (AWS) est une formation interm\u00e9diaire de 3 jours destin\u00e9e aux professionnels du ML souhaitant apprendre l\u2019ing\u00e9nierie du machine learning sur AWS. \nLes participants apprendront \u00e0 concevoir, d\u00e9ployer, orchestrer et op\u00e9rationnaliser des solutions ML \u00e0 grande \u00e9chelle gr\u00e2ce \u00e0 un \u00e9quilibre entre th\u00e9orie, travaux pratiques et activit\u00e9s. \nIls acquerront une exp\u00e9rience concr\u00e8te de l\u2019utilisation des services AWS tels qu\u2019Amazon SageMaker et des outils d\u2019analyse comme Amazon EMR pour d\u00e9velopper des applications de machine learning robustes, \u00e9volutives et pr\u00eates pour la production.","skill_level":"Intermediate","version":"1.0","duration":{"unit":"d","value":3,"formatted":"3 jours"},"pricelist":{"List Price":{"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":1995},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":1995},"CH":{"country":"CH","currency":"CHF","taxrate":8.1,"price":2470},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":1995},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":1995},"US":{"country":"US","currency":"USD","taxrate":null,"price":2025},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":2795},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":2655},"PL":{"country":"PL","currency":"PLN","taxrate":23,"price":3500},"FR":{"country":"FR","currency":"EUR","taxrate":19.6,"price":2450},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":1650},"EG":{"country":"EG","currency":"USD","taxrate":14,"price":2850},"AE":{"country":"AE","currency":"USD","taxrate":5,"price":2850},"NL":{"country":"NL","currency":"EUR","taxrate":21,"price":2395}}},"lastchanged":"2026-03-30T10:36:36+02:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/fr\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/fr\/json-course-schedule\/36079","source_lang":"fr","source":"https:\/\/portal.flane.ch\/swisscom\/fr\/json-course\/amazon-mlea"}}