Aller au contenu principal

Préparation AWS Machine Learning Engineer Associate

Date de mise à jour :
Identifiant Offre Info : 04_26113544F
Organisme responsable : Edulink (ouvre dans un nouvel onglet)

Nouvelle recherche

Présentation de la formation

Objectifs

Une formation pratique et orientée examen. À l'issue du parcours, vous serez capable de :
  • Construire et optimiser des pipelines ML sur SageMaker
  • Déployer des modèles en production avec monitoring
  • Implémenter des solutions d'IA générative avec Bedrock
  • Se préparer au passage de l'examen MLA-C01

Programme de la formation

Data engineering pour le MLSources de données : S3, Glue, Athena, Kinesis Feature engineering et préparation des données SageMaker Data Wrangler et Feature Store Gestion des datasets : labeling, versioning, biais Entraînement et optimisation de modèles SageMaker Training : algorithmes built-in, frameworks (TensorFlow, PyTorch) Hyperparameter tuning automatique Distributed training et Spot Instances Évaluation des modèles : métriques, validation croisée, overfitting Déploiement et…

Data engineering pour le ML
  • Sources de données : S3, Glue, Athena, Kinesis
  • Feature engineering et préparation des données
  • SageMaker Data Wrangler et Feature Store
  • Gestion des datasets : labeling, versioning, biais

Entraînement et optimisation de modèles
  • SageMaker Training : algorithmes built-in, frameworks (TensorFlow, PyTorch)
  • Hyperparameter tuning automatique
  • Distributed training et Spot Instances
  • Évaluation des modèles : métriques, validation croisée, overfitting

Déploiement et inférence
  • SageMaker Endpoints : real-time, serverless, asynchrone, batch
  • Model Registry et CI/CD pour le ML (SageMaker Pipelines)
  • A/B testing et shadow deployments
  • Optimisation de l'inférence : compilation, quantification

IA générative et MLOps
  • Amazon Bedrock : fine-tuning, RAG, agents
  • SageMaker JumpStart : foundation models
  • Monitoring en production : Model Monitor, data drift, concept drift
  • Coûts et optimisation des ressources ML

Sécurité, gouvernance et préparation à l'examen
  • Sécurité : IAM, VPC, chiffrement, compliance
  • SageMaker Governance : lineage, audit, reproductibilité
  • Architecture de référence ML sur AWS
  • Examen blanc MLA-C01 + correction détaillée

Validation et sanction

Déployez des modèles de machine learning en production sur l'infrastructure AWS. Formation technique pour les ingénieurs ML et data scientists.
La formation vous prépare au passage de cette certification reconnue et à la maîtrise de ses domaines clés.

Type de formation

Non certifiante

Niveau de sortie

Sans niveau spécifique

Durée, rythme, financement

Durée

En centre

30 h

Financement

Conventionnement
Oui
Financeurs
  • Autre

    Programme : Autre dispositif, Plan de développement des compétences

    Publics : niveau avancé

  • Bénéficiaire de l'action

    Programme : Autre dispositif, Plan de développement des compétences

    Publics : niveau avancé

  • Entreprise

    Programme : Autre dispositif, Plan de développement des compétences

    Publics : niveau avancé

  • OPCO

    Programme : Autre dispositif, Plan de développement des compétences

    Publics : niveau avancé

Conditions d'accès

Publics visés

  • Salarié
  • Tout public

Informations sur les publics

niveau avancé

Niveau d'entrée

CAP, BEP

Conditions spécifiques et prérequis

-

Lieu de réalisation de l'action

Modalités d'enseignement

Formation entièrement à distance

Adresse

Périodes prévisibles de déroulement des sessions

Début

Fin

Adresse d'inscription
120 Boulevard Amiral Mouchez
76600 Le Havre
État du recrutement
Ouvert
Modalités
Entrées / Sorties à dates permanentes