Formation MLOps | Formation et déploiement d’un Modèle ML avec SageMaker et Lambda

Prochaines dates

Modalités d’accès :

• en Inter – compter 4 semaines de délai
• en Intra – compter 8 semaines de délai (nous consulter)

Nous revenons vers vous dans un délai de 24h – Inscrivez-vous vite 

Objectifs

• Compréhension approfondie des principes du MLOps
• Définition précise des exigences de projet en machine learning
• Maîtrise de l’utilisation d’Amazon SageMaker pour la formation de modèles ML
• Adoption des meilleures pratiques de codage pour des modèles de haute qualité
• Compétence dans le déploiement sécurisé des modèles

Public

Data Scientist et ML Ingénieur

Prérequis

• Connaissance en apprentissage automatique.
• Maîtrise de Python
• Familiarité avec Docker (facultative)
• Compréhension des concepts de base du Cloud AWS

Méthodes pédagogiques

40 % théorie / 60 % pratique

Description

Ce programme de formation MLOps est spécialement conçu pour répondre aux besoins croissants de gestion des modèles de Machine Learning. Vous commencerez par acquérir une compréhension approfondie du MLOps et apprendrez à définir les exigences spécifiques de votre projet en travaillant sur des exemples de jeux de données concrets. Ensuite, vous vous familiariserez avec la formation de modèles ML à l’aide d’Amazon SageMaker, en configurant l’environnement SageMaker avec la bibliothèque boto3, en gérant efficacement les données et les ressources, et en adoptant des pratiques de codage de qualité pour les modèles ML. Enfin, vous maîtriserez le déploiement de votre modèle en créant un endpoint pour votre modèle, en mettant en place une Lambda function, et en configurant une API Gateway pour une exposition sécurisée. Cette formation vous dotera des compétences essentielles pour relever les défis de l’intégration de modèles ML dans des applications performantes et sécurisées, quel que soit le langage de programmation ou l’environnement technologique utilisé.

Programme

Comprendre les besoins pour la formation du modèle

• Introduction au MLOps
• Définition des besoins du projet
• Exemple de jeu de données

Formation d’un modèle ML avec  SageMaker

• Configuration de l’environnement SageMaker avec boto3
• Gestion des données et des ressources.

• Pratiques de codage propre pour les modèles ML
• Construction de l’image Docker  de formation SageMaker

Déployer et servir son modèle en tant que fonction lambda

• Création d’un endpoint pour son modèle
• Création d’une lambada function
• Création d’une API Gatway pour exposer son modèle

Evaluation

Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de quizz, mises en situation, travaux pratiques…

En fin de formation, il est également demandé aux participants de mesurer leur satisfaction vis-à-vis de de la formation suivie.

Néosoft Training dispose d’un processus qualité qui prend en considération les éventuels dysfonctionnements rencontrés par les participants afin d’être proactif quant à la solution corrective adaptée tant sur le contenu de la formation elle-même que les conditions de son déroulement.