The Machine Learning Pipeline on AWS (ML-PIPE)

 
Moyens Pédagogiques :
  • Quiz pré-formation de vérification des connaissances (si applicable)
  • Réalisation de la formation par un formateur agréé par l’éditeur
  • Formation réalisable en présentiel ou en distanciel
  • Mise à disposition de labs distants/plateforme de lab pour chacun des participants (si applicable à la formation)
  • Distribution de supports de cours officiels en langue anglaise pour chacun des participants
    • Il est nécessaire d'avoir une connaissance de l'anglais technique écrit pour la compréhension des supports de cours
Moyens d'évaluation :
  • Quiz pré-formation de vérification des connaissances (si applicable)
  • Évaluations formatives pendant la formation, à travers les travaux pratiques réalisés sur les labs à l’issue de chaque module, QCM, mises en situation…
  • Complétion par chaque participant d’un questionnaire et/ou questionnaire de positionnement en amont et à l’issue de la formation pour validation de l’acquisition des compétences

A qui s'adresse cette formation

This course is intended for:

  • Developers
  • Solutions Architects
  • Data Engineers
  • Anyone with little to no experience with ML and wants to learn about the ML pipeline using Amazon SageMaker

Certifications

Cette formation prépare à la/aux certifications:

Pré-requis

We recommend that attendees of this course have:

  • Basic knowledge of Python programming language
  • Basic understanding of AWS Cloud infrastructure (Amazon S3 and Amazon CloudWatch)
  • Basic experience working in a Jupyter notebook environment

Objectifs

In this course, you will learn to:

  • Select and justify the appropriate ML approach for a given business problem
  • Use the ML pipeline to solve a specific business problem
  • Train, evaluate, deploy, and tune an ML model using Amazon SageMaker
  • Describe some of the best practices for designing scalable, cost-optimized, and secure ML pipelines in AWS
  • Apply machine learning to a real-life business problem after the course is complete

Contenu

This course explores how to use the machine learning (ML) pipeline to solve a real business problem in a project-based learning environment. Students will learn about each phase of the pipeline from instructor presentations and demonstrations and then apply that knowledge to complete a project solving one of three business problems: fraud detection, recommendation engines, or flight delays. By the end of the course, students will have successfully built, trained, evaluated, tuned, and deployed an ML model using Amazon SageMaker that solves their selected business problem.

Prix & Delivery methods

Formation en ligne

Durée
4 jours

Prix
  • 3 190,– €
Dates et Inscription
Demande de date
Formation en salle équipée

Durée
4 jours

Prix
  • France : 3 190,– €
Dates et Inscription
Demande de date

Agenda

Délai d’accès – inscription possible jusqu’à la date de formation
Instructor-led Online Training :   Cours en ligne avec instructeur
Formation en mode FLEX, à la fois à distance et en présentiel. Tous nos cours FLEX sont aussi des ILO (Instructor-Led Online).

Français

Fuseau horaire : Heure normale d'Europe centrale (HNEC)   ±1 heure

Formation en ligne Fuseau horaire : Heure normale d'Europe centrale (HNEC)
Formation en ligne Fuseau horaire : Heure d'été d'Europe centrale (HAEC)
Formation en ligne Fuseau horaire : Heure d'été d'Europe centrale (HAEC)
Délai d’accès – inscription possible jusqu’à la date de formation
Formation en mode FLEX, à la fois à distance et en présentiel. Tous nos cours FLEX sont aussi des ILO (Instructor-Led Online).

Europe

Suisse

Zurich
Zurich
Zurich
Zurich
Zurich
Zurich

Si vous ne trouvez pas de date adéquate, n'hésitez pas à vérifier l'agenda de toutes nos formations FLEX internationales