AWS12 AWS : MLOps Engineering Formation officielle AWS MLOps Engineering on AWS

Jour 1

INTRODUCTION

INTRODUCTION A LA NOTION DE MLOPS

• Objectifs du MLOps
• Communication entre les équipes
• De DevOps à MLOps
• ML Workflow
• Scope
• Cas MLOps

DÉVELOPPEMENT MLOPS

• Introduction pour créer, entraîner et évaluer des modèles d'apprentissage automatique
• Sécurité MLOps
• Automatisation
• Apache Airflow
• Intégration Kubernetes pour MLOps
• Amazon SageMaker pour MLOps
• Lab : “Apporter son propre algorithme à un pipeline MLOps”
• Démonstration : Amazon SageMaker
• Introduction pour créer, entraîner et évaluer des modèles d'apprentissage automatique
• Atelier : “Coder et server son modèle de ML avec AWS CodeBuild”
• Activité : MLOps Action Plan Workbook

Jour 2

DÉPLOIEMENT MLOPS

• Introduction aux opérations de déploiement
• Packaging du modèle
• Inférence
• Lab : “Déployer son modèle en production”
• Variantes d'environnements de production avec SageMaker
• Stratégies de déploiement
• Déploiement sur edge
• Laboratoire : “Effectuer des tests A/B"
• Activité : MLOps Action Plan Workbook

Jour 3

SURVEILLANCE ET OPÉRATIONS DU MODÈLE

• Atelier : “Résoudre les problèmes liés à son pipeline”
• L'importance du monitoring
• Surveillance dès la conception
• Lab : ”Surveiller son modèle de ML”
• Humain dans la boucle
• Monitorer les modèles avec Amazon SageMaker
• Démonstration : Amazon SageMaker Pipelines, Model Monitor, Model Registry et Feature Store
• Activité : MLOps Action Plan Workbook 

CONCLUSION

• Bilan de la formation
• Questions/réponses
• Evaluation