Exam Prep: AWS Certified Machine Learning Engineer

Cette formation s’adresse toute personne souhaitant se préparer à la certification AWS Certified Machine Learning Engineer – Associate (MLA-C01).

A l’issue de cette formation, les participants seront capables de : 

• Identifier le périmètre et les contenus évalués lors de l'examen « AWS Certified Machine Learning Engineer - Associate » (MLA-C01).
• Répondre à des questions de type examen et évaluer leurs stratégies de préparation.
• Analyser des cas pratiques et les distinguer les uns des autres.

Module 1 : Préparation des données pour l'apprentissage automatique (ML)

• 1.1 Collecter et stocker les données.
• 1.2 Transformer les données et réaliser l'ingénierie des caractéristiques.
• 1.3 Garantir l'intégrité des données et les préparer pour la modélisation

Module 2 : Développement de modèles ML

• 2.1 Choisir une approche de modélisation.
• 2.2 Entraîner et affiner les modèles.
• 2.3 Analyser les performances des modèles.

Module 3 : Déploiement et orchestration des workflows d’apprentissage automatique

• 3.1 Sélectionner l’infrastructure de déploiement en fonction de l’architecture existante et des exigences.
• 3.2 Créer et automatiser l’infrastructure en fonction de l’architecture existante et des exigences.
• 3.3 Utiliser des outils d’orchestration automatisés pour mettre en place des pipelines d’intégration continue et de livraison continue (CI/CD).

Module 4 : Surveillance, maintenance et sécurité des solutions d’apprentissage automatique

• 4.1 Surveiller les performances des modèles.
• 4.2 Surveiller et optimiser les coûts d’infrastructure.
• 4.3 Sécuriser les ressources AWS.

Connaissances générales :

• Expérience d’environ un an dans un poste en rapport, tel que développeur logiciel backend, développeur DevOps, ingénieur de données ou data scientist.
• Compréhension de base des algorithmes courants d’apprentissage automatique (ML) et de leurs cas d’utilisation
• Compréhension des principes fondamentaux de l’ingénierie des données, y compris la connaissance des formats de données courants, de leur ingestion et de leur transformation pour travailler avec des pipelines de données d’apprentissage automatique
• Connaissance de l’interrogation et de la transformation des données
• Connaissance des meilleures pratiques en génie logiciel pour le développement, le déploiement et le débogage de code modulaire et réutilisable
• Maîtrise de l’approvisionnement et de la surveillance des ressources d’apprentissage automatique (ML) dans le cloud et sur site
• Expérience des pipelines d’intégration continue et de livraison continue (CI/CD) et de l’infrastructure en tant que code (IaC)
• Expérience des référentiels de code pour le contrôle de version et les pipelines CI/CD.

Connaissances AWS recommandées  

• Expérience d’un an dans l’utilisation d’Amazon SageMaker AI et d’autres services AWS pour l’ingénierie ML.
• Connaissance des capacités et des algorithmes d’Amazon SageMaker AI pour la création et le déploiement de modèles
• Connaissance des services AWS de stockage et de traitement des données pour la préparation des données en vue de la modélisation
• Maîtrise du déploiement d’applications et d’infrastructures sur AWS
• Connaissance des outils de surveillance pour la journalisation et le dépannage des systèmes d’apprentissage automatique
• Connaissance des services AWS pour l’automatisation et l’orchestration des pipelines CI/CD

• Cette formation prépare à la certification AWS Certified Machine Learning Engineer – Associate (MLA-C01).

• Les participants réalisent un test d'évaluation des connaissances en amont et en aval de la formation pour valider les connaissances acquises pendant la formation. 
• Un support de cours officiel sera remis aux participants au format électronique. 
• Suivi de cette formation à distance depuis un site client équipé : Il suffit d'avoir une bonne connexion internet, un casque avec micro et d'être dans un endroit au calme pour en profiter pleinement 
• Une fiche explicative est adressée en amont aux participants pour leur permettre de vérifier leur installation technique et de se familiariser avec la solution technologique utilisée. 
•  L'accès à l'environnement d'apprentissage, ainsi qu'aux feuilles d'émargement et d'évaluation est assuré.