Explorer les couches de la pile de ML (machine learning) d'AWS et apprendre à résoudre les problèmes courants des entreprises à l'aide des services AWS. Ce cours explique comment utiliser Amazon SageMaker pour les tâches de machine learning et comment revoir les stratégies de sélection des modèles appropriés.

En outre, ce cours met en évidence des scénarios spécifiques pour les solutions de ML pré-entraînées Amazon SageMaker JumpStart et explique comment optimiser les sélections pour les besoins de l'entreprise. Ce cours abordera également les applications spécifiques des solutions de ML pré-entraînées Amazon Bedrock et la manière d'identifier la solution intégrée la plus appropriée. Enfin, ce cours explore l'importance de l'interprétabilité dans la sélection des modèles et des algorithmes.

Niveau du cours : avancé
Durée : 1,5 heure

Activités

Documents en ligne
Exercices
Questions de contrôle des connaissances

Objectifs du cours

Présenter les avantages et les cas d'utilisation de chaque couche de la pile de machine learning d'AWS.
Expliquer comment les services d'intelligence artificielle (IA) AWS aident à résoudre les problèmes courants des entreprises.
Sélectionner les services IA AWS pour répondre aux besoins courants des entreprises.
Décrire les avantages de l'utilisation de SageMaker pour le machine learning.
Identifier les cas d'utilisation spécifiques des algorithmes intégrés de SageMaker.
Sélectionner les algorithmes de modèles de machine learning les plus appropriés pour répondre aux besoins courants des entreprises.
Identifier des cas d'utilisation spécifiques pour les solutions de machine learning pré-entraînées SageMaker JumpStart.
Choisir la solution de machine learning intégrée SageMaker JumpStart la plus appropriée pour répondre aux besoins courants de l'entreprise.
Décrire le rôle que joue l'interprétabilité lors de la sélection d'un modèle ou d'un algorithme.
Sélectionner les modèles ou algorithmes les plus rentables pour répondre aux besoins courants des entreprises.

Public visé

Architectes cloud
Ingénieurs en machine learning

Compétences recommandées

Au moins un an d'expérience dans l'utilisation de SageMaker et d'autres services AWS pour l'ingénierie en ML
Expérience d'au moins 1 an dans un rôle connexe tel que développeur de logiciels backend, développeur DevOps, ingénieur de données ou data scientist
Une compréhension fondamentale des langages de programmation tels que Python
Avoir suivi les cours précédents dans le plan d'apprentissage AWS ML Engineer Associate