Accueil > Formations > Data Science – Deep learning > AMAZON WEB SERVICES Développer des modèles prédictifs avec SageMaker et Forecast
Formation AMAZON WEB SERVICES Développer des modèles prédictifs avec SageMaker et Forecast
Domaine : Data Science – Deep learning
DURÉE
1.0 jour(s)
OBJECTIFS
Découvrir les outils dédiés au déploiement de modèles prédictifs d'AWS (Amazon Web Services), à savoir SageMaker et Forecast. Etre capable de lancer des premiers moteurs prédictifs sur ces outils, comprendre et savoir utiliser les APIs associées. Etre au fait de la tarification et du support liés à l'utilisation de ces modèles sur AWS.
Pré-requis
Bases de la Data Science et connaissances générales sur l'utilisation d'AWS. Fortement souhaité de disposer d'un compte AWS (cela permet de capitaliser sur la formation, notamment en réalisant les Travaux Pratiques sur son propre compte).
Participants
Développeurs, data scientists…
coût
Nous contacter pour une formation sur mesure ou en intra
LIEUx de formation
Notre centre de formation à GrenobleNotre centre de formation à MoiransNotre centre de formation à Sophia Antipolis
Sur votre site en formation intraEn classe distancielle
PROGRAMME DE FORMATION
AMAZON WEB SERVICES Développer des modèles prédictifs avec SageMaker et Forecast
Introduction aux outils SageMaker et Forecast
Se connecter à une source de données (Création d'un data set)
Prise en main et développement d'un premier moteur prédictif avec SageMaker et Forecast
Paramétrer et configurer un algorithme (Choisir les variables de l'algorithme (features sélection), Nettoyer des données)
Utiliser l'arbre de choix des algorithmes
Utilisation du modèle : les grandes étapes (Initialisation, Entraînement, Evaluation)
Utiliser l'arbre de choix des algorithmes
Utilisation du modèle : les grandes étapes (Initialisation, Entraînement, Evaluation)
Génération des prédictions en production et APIs associées
Génération des prédictions suite à l'entraînement du modèle grâce aux APIs
Réentraîntements réguliers des modèles et maintien en condition opérationnelle (Dérive du modèle : quand le réentraîner?)
Réentraîntements réguliers des modèles et maintien en condition opérationnelle (Dérive du modèle : quand le réentraîner?)
Coûts associés et solutions alternatives sur le marché
Facturation à l'usage et structuration des coûts (Coûts de stockage, Coûts d'entraînement, Coûts des prédictions)
Présentation de solutions alternatives du marché (Plateformes concurrentes : Azure, GCP , Solutions open source)
Présentation de solutions alternatives du marché (Plateformes concurrentes : Azure, GCP , Solutions open source)
dates des formations a grenoble
dates des formations a SOPHIA ANTIPOLIS
formations associées