Jour 1
INTRODUCTION
Accueil et reveue des attentes des participants
INTRODUCTION AU MACHINE LEARNING ET PIPELINE DE MACHINE LEARNING
- Introduction au Machine Learning, aux différents modèles et cas d'usage, ainsi qu'au concepts clés
- Introduction au pipeline de Machine Learning
- Présentation du programme du de la formation et des différents temps de mise en pratique
INTRODUCTION À AMAZON SAGEMAKER
- Introduction à Amazon SageMaker
- Démonstration : "Amazon SageMaker et notebooks Jupyter"
- Lab : "Amazon SageMaker et notebooks Jupyter"
FORMULATION DE PROBLÈME
- Introduction à la formulation de problème et à la prise de décision
- Convertir un problème business en un problème de Machine Learning
- Démonstration : "Amazon SageMaker Ground Truth"
- Lab : "Amazon SageMaker Ground Truth"
- Mise en pratique : "Formulation de problème"
- Formation des problèmes pour ses projets
Jour 2
POINT D'ÉTAPE 1 SUR LE MODÈLE DE MACHINE LEARNING CONÇU
PRÉ-TRAITEMENT
- Introduction à la collecte et intégration de données, ainsi qu'aux techniques de pré-traitement et de visualisation
- Mise en pratique : "pré-traitement"
- Pré-traiter les données pour son projet
- Temps d'échange collectif sur la conception de projets de Machine Learning
Jour 3
POINT D'ÉTAPE 2 SUR LE MODÈLE DE MACHINE LEARNING CONÇU
ENTRAÎNEMENT DU MODÈLE
- Choisir le bon algorithme
- Formater et fractionner la données pour l'entraînement de son modèle
- Fonctions de perte et descente de gradient pour améliorer son modèle
- Démonstration : "Créer une tâche d'entrainement dans Amazon SageMaker"
ÉVALUATION DU MODÈLE
- Comment évaluer ses modèles de classification
- Comment évaluer ses modèles de régression
- Mise en pratique : "Entrainement de modèle et évalution"
- Entrainer et évaluer les modèles de ses projets
- Présentation initiale des projets des participants
Jour 4
POINT D'ÉTAPE 3 SUR LE MODÈLE DE MACHINE LEARNING CONÇU
INGÉNIERIE DES CARACTÉRISTIQUES ET OPTIMISATION DES MODÈLES
- Extraction, sélection, création et transformation de caractéristiques
- Réglages des hyperparamètres
- Démonstration : "Optimisation des hyperparamètres SageMaker"
- Mise en pratique : "l'ingénierie des caractéristiques et l'ajustement des modèles"
- Appliquer l'ingénierie des fonctionnalités et l'ajustement des modèles aux projets
- Présentation finale des projets des participants
DÉPLOIEMENT
Comment déployer, inférer et surveiller votre modèle sur Amazon SageMaker ?
Déployer du Machine Learning à la périphérie
Démonstration : "Création d'un point de terminaison Amazon SageMaker"
Post-évaluation
Synthèse du cours et revue des concepts clés
Échange sur les questions et réponses aditionnelles
