MLOps Engineering sur AWS

Cette formation est destinée à l'un des rôles suivants ayant la responsabilité de la mise en production de modèles d'apprentissage automatique dans le cloud AWS :

• Ingénieurs DevOps
• Ingénieurs ML
• Développeurs/opérateurs responsables de la mise en œuvre de modèles d'apprentissage automatique.

A l'issue de la formation, les participants seront capables de :

• Décrire les opérations et le flux de l'apprentissage automatique
• Identifier les principales différences entre DevOps et MLOps
• Expliquer les options de bout en bout pour l'automatisation des flux de travail ML
• Énumérer les principales fonctionnalités d'Amazon SageMaker pour l'automatisation des MLOps
• Créer un processus d'apprentissage automatique qui construit, forme, teste et déploie des modèles
• Identifier les éléments et les étapes importantes du processus de déploiement
• Déterminer quand utiliser différentes approches d'inférence
• Discuter des stratégies de déploiement, des avantages, des défis et des cas d'utilisation typiques
• Décrire les défis liés au déploiement de l'apprentissage automatique sur les périphériques
• Décrire pourquoi la surveillance est importante

Jour 1

Module 0 : Bienvenue

• Introduction au cours

Module 1 : Introduction à MLOps

• Opérations d'apprentissage automatique
• Objectifs de MLOps
• Communication
• De DevOps à MLOps
• Flux de travail ML
• Portée
• Vue de MLOps sur le ML workflow
• Cas MLOps

Module 2 : Développement MLOps

• Introduction à la construction, à l'entraînement et à l'évaluation des modèles d'apprentissage automatique
• Sécurité MLOps
• Automatisation de Apache Airflow
• Intégration de Kubernetes pour MLOps
• Amazon SageMaker pour MLOps

Atelier : Apporter votre propre algorithme à un pipeline MLOps

• Démonstration : Amazon SageMaker
• Introduction à la création, à l'entraînement et à l'évaluation de modèles d'apprentissage automatique

Atelier : Coder et servir votre modèle ML avec AWS CodeBuild

Activités : Cahier du plan d'action MLOps

Jour 2

Module 3 : Déploiement MLOps

• Introduction aux opérations de déploiement
• Emballage des modèles
• Inférence

Atelier : Déployer votre modèle en production

• Variantes de production SageMaker
• Stratégies de déploiement
• Déploiement vers la périphérie

Atelier : Réaliser des tests A/B

Activité : Cahier du plan d'action MLOps

Jour 3

Module 4 : Surveillance et exploitation du modèle

Atelier : Dépannage de votre pipeline

• L'importance de la surveillance
• Surveillance par conception

Atelier : Surveillez votre modèle ML

• L'homme dans la boucle
• Moniteur de modèle Amazon SageMaker
• Démonstration : Pipelines, Model Monitor, registre de modèles et Feature Store d'Amazon SageMaker
• Résoudre le(s) problème(s)

Activité : Cahier de travail du plan d'action MLOps

Module 5 : Récapitulatif

• Révision du cours
• Activités : Cahier de travail du plan d'action MLOps
• Récapitulatif

Requis

• Formation AWS Technical Essentials
• Formation DevOps Engineering on AWS, ou expérience équivalente
• Formation Practical Data Science with Amazon SageMaker, ou expérience équivalente.
  

Recommandé

• The Elements of Data Science ou expérience équivalente
• Terminologie et processus de l'apprentissage automatique (cours numérique)

Niveau de la formation : Intermédiaire

Activités

Cette formation comprend des présentations, des laboratoires, des démonstrations, des cahiers d'exercices et des exercices en groupe.

Support de cours remis aux participants