> Formations > Amazon Web Services (AWS) - Ingénierie MLOps sur AWS
Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Formation : Amazon Web Services (AWS) - Ingénierie MLOps sur AWS

Cours officiel AWS

Cours pratique - 3j - 21h00 - Réf. MLS
Prix : 2470 € H.T.

Amazon Web Services (AWS) - Ingénierie MLOps sur AWS

Cours officiel AWS


Nouvelle édition du programme de la formation

Avec cette formation, vous appliquerez la méthodologie DevOps au machine learning pour créer, entraîner et déployer des modèles ML. Basée sur le cadre de maturité MLOps, elle couvre les niveaux initial, reproductible et fiable. Vous apprendrez à gérer les données, le code et les modèles, à automatiser les processus, à collaborer efficacement entre équipes et à surveiller les performances des modèles en production pour réagir en cas de dérive.


INTER
INTRA
SUR MESURE

Cours pratique en présentiel ou à distance
Disponible en anglais, à la demande

Réf. MLS
  3j - 21h00
2470 € H.T.

Télécharger le programme

Partager cette formation




Avec cette formation, vous appliquerez la méthodologie DevOps au machine learning pour créer, entraîner et déployer des modèles ML. Basée sur le cadre de maturité MLOps, elle couvre les niveaux initial, reproductible et fiable. Vous apprendrez à gérer les données, le code et les modèles, à automatiser les processus, à collaborer efficacement entre équipes et à surveiller les performances des modèles en production pour réagir en cas de dérive.


Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
Expliquer les avantages du MLOps
Comparer et différencier DevOps et MLOps
Évaluer les besoins en sécurité/gouvernance d’un cas ML et proposer des solutions et stratégies d’atténuation
Configurer des environnements d’expérimentation pour le MLOps avec Amazon SageMaker
Présenter 3options pour créer une pipeline CI/CD complète en contexte ML
Rappeler les bonnes pratiques pour l’automatisation du packaging, des tests et du déploiement (données/modèle/code)
Démontrer comment surveiller des solutions basées sur le ML
Montrer l’automatisation d’une solution ML : tests, packaging, déploiement, détection de dérive et réentraînement
Expliquer les bonnes pratiques de versioning et d’intégrité des actifs ML (données, modèle, code)

Public concerné
Ingénieurs MLOps et DevOps en charge du déploiement et du suivi de modèles ML sur AWS

Prérequis
Avoir suivi le cours "AWS Technical Essentials" (Réf. AWG), "DevOps Engineering on AWS"( Réf. AWC) ou "Practical Data Science with Amazon SageMaker" (Réf. PDW).

Certification
Cours officiel sans certification.
Comment passer votre examen ?

Méthodes et moyens pédagogiques
Méthodes pédagogiques
Animation de la formation en français. Support de cours officiel en anglais et au format numérique. Bonne compréhension de l’anglais à l’écrit.

Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Programme de la formation

1
Introduction au MLOps

  • Procédures.
  • Acteurs.
  • Technologies.
  • Sécurité et gouvernance.
  • Modèle de maturité MLOps.

2
MLOps initial - Environnements d’expérimentation dans SageMaker Studio

  • Intégrer le MLOps à la phase d’expérimentation.
  • Configuration de l’environnement ML.
  • Démo : création et mise à jour d’une configuration de cycle de vie dans SageMaker Studio.
  • Workbook : MLOps initial.
Travaux pratiques
Déploiement d’un environnement SageMaker Studio via le Service Catalog AWS

3
MLOps reproductible - Repositories

  • Gestion des données pour le MLOps.
  • Gestion des versions des modèles ML.
  • Repositories de code pour le ML.

4
MLOps reproductible - Orchestration

  • Pipelines ML.
Démonstration
Orchestrer la création de modèles avec SageMaker Pipelines

5
MLOps reproductible - Orchestration (suite)

  • Orchestration de bout en bout avec AWS Step Functions.
  • Orchestration complète avec SageMaker Projects.
  • Démo : standardiser un pipeline ML de bout en bout avec SageMaker Projects.
  • Utilisation d’outils tiers pour assurer la reproductibilité.
  • Démo : intégration de l’humain dans la boucle lors de l’inférence.
  • Gouvernance et sécurité.
  • Démo : bonnes pratiques de sécurité avec SageMaker.
  • Workbook : MLOps reproductible.
Travaux pratiques
Automatiser un workflow avec Step Functions

6
MLOps fiable - Scalabilité et tests

  • Stratégies de montée en charge et multi-comptes.
  • Tests et répartition du trafic.
  • Démo : utilisation de SageMaker Inference Recommender.
Travaux pratiques
Test de variantes de modèles

7
MLOps fiable - Scalabilité et tests (suite)

  • Workbook : stratégies multi-comptes.
Travaux pratiques
Gestion de la répartition du trafic

8
MLOps fiable - Supervision

  • Importance de la supervision en machine learning.
  • Enjeux opérationnels liés à la supervision des modèles.
  • Résolution des problèmes détectés par la supervision.
  • Workbook : MLOps fiable.
  • Atelier pratique : construire et dépanner un pipeline ML.
Travaux pratiques
Surveiller un modèle pour détecter une dérive des données
PARTICIPANTS
Ingénieurs MLOps et DevOps en charge du déploiement et du suivi de modèles ML sur AWS

PRÉREQUIS
Avoir suivi le cours "AWS Technical Essentials" (Réf. AWG), "DevOps Engineering on AWS"( Réf. AWC) ou "Practical Data Science with Amazon SageMaker" (Réf. PDW).

COMPÉTENCES DU FORMATEUR
Les experts qui animent la formation sont des spécialistes des matières abordées. Ils sont agréés par l’éditeur et sont certifiés sur le cours. Ils ont aussi été validés par nos équipes pédagogiques tant sur le plan des connaissances métiers que sur celui de la pédagogie, et ce pour chaque cours qu’ils enseignent. Ils ont au minimum trois à dix années d’expérience dans leur domaine et occupent ou ont occupé des postes à responsabilité en entreprise.

MODALITÉS D’ÉVALUATION
Évaluation des compétences visées en amont de la formation.
Évaluation par le participant, à l’issue de la formation, des compétences acquises durant la formation.
Validation par le formateur des acquis du participant en précisant les outils utilisés : QCM, mises en situation…
À l’issue de chaque formation, ITTCERT fournit aux participants un questionnaire d’évaluation du cours qui est ensuite analysé par nos équipes pédagogiques. Les participants réalisent aussi une évaluation officielle de l’éditeur.
Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le participant a bien assisté à la totalité de la session.

MOYENS PÉDAGOGIQUES ET TECHNIQUES
Les ressources pédagogiques utilisées sont les supports et les travaux pratiques officiels de l’éditeur.

MODALITÉS ET DÉLAIS D’ACCÈS
L’inscription doit être finalisée 24 heures avant le début de la formation.

ACCESSIBILITÉ AUX PERSONNES HANDICAPÉES
Vous avez un besoin spécifique d’accessibilité ? Contactez Mme FOSSE, référente handicap, à l’adresse suivante psh-accueil@orsys.fr pour étudier au mieux votre demande et sa faisabilité.
Dates et lieux
Sélectionnez votre lieu ou optez pour la classe à distance puis choisissez votre date.
Classe à distance

Dernières places
Date garantie en présentiel ou à distance
Session garantie

CLASSE À DISTANCE
2026 : 23 juin, 8 déc.

PARIS LA DÉFENSE
2026 : 23 juin, 8 déc.