Ce dernier cours sur le domaine du développement de modèles fournit des instructions pour analyser les performances des modèles ML. Vous découvrirez les concepts et techniques clés pour l'évaluation des modèles, y compris les métriques des problèmes de classification et de régression. Vous apprendrez également à identifier les problèmes de convergence et à assurer des expériences reproductibles. Enfin, vous utiliserez des services AWS tels qu'Amazon SageMaker Clarify et Amazon SageMaker Debugger pour mieux comprendre les données d'entraînement liées au machine learning (ML) et les problèmes liés aux modèles.

Niveau du cours : avancé
Durée : 1,5 heure

Activités

Documents en ligne
Exercices
Questions de contrôle des connaissances

Objectifs du cours

Déterminer les méthodes permettant de créer des référentiels de performances.
Évaluer les compromis entre les performances du modèle, le temps d'entraînement et les coûts.
Déterminer les techniques et les métriques d'évaluation des problèmes de classification.
Déterminer les techniques et les métriques d'évaluation des problèmes de régression.
Identifier les problèmes de convergence et prévenir les problèmes de convergence des modèles grâce à Amazon SageMaker Training Compiler et Amazon SageMaker Automatic Model Tuning (AMT).
Identifier les métriques de SageMaker Clarify pour obtenir des informations sur les données et les modèles d'entraînement du machine learning.
Utiliser SageMaker Clarify pour interpréter les sorties du modèle.
Décrire comment réaliser des expériences reproductibles à l'aide des services AWS.
Utiliser SageMaker Model Debugger pour déboguer la convergence des modèles.

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 ML
Posséder au moins un an d'expérience dans un poste connexe tel que développeur de logiciels backend, développeur DevOps, ingénieur de données ou data scientist
Compréhension de base des langages de programmation tels que Python
Avoir terminé les cours précédents du programme d'apprentissage AWS ML Engineer Associate