Formation Formation MLOps AWS : Concevez, Déployez et Surveillez vos Pipelines Data

01.Introduction au MLOps & DataOps sur AWS

• —Définition et importance du MLOps et DataOps dans les projets IA.
• —Rôles et responsabilités clés en MLOps/DataOps.
• —Présentation de l'écosystème AWS pour le Machine Learning et les opérations.

02.Fondations AWS pour le MLOps : S3, IAM, CloudFormation

• —Gestion des données avec Amazon S3 : Buckets, versions, réplication.
• —Sécurité et permissions avec AWS IAM pour les services ML.
• —Automatisation de l'infrastructure avec AWS CloudFormation.

03.Préparation des données avec AWS Glue et Sagemaker Processing

• —Ingestion et transformation des données avec AWS Glue Data Catalog et ETL.
• —Utilisation de SageMaker Processing pour le nettoyage et l'ingénierie de features.
• —Stockage optimisé pour le ML : Athena, Redshift, Lake Formation.

04.Entraînement et gestion de modèles avec Amazon SageMaker

05.Déploiement de modèles en production avec SageMaker Endpoints

• —Déploiement batch et temps réel de modèles via SageMaker Endpoints.
• —Stratégies de déploiement : A/B Testing, Canary, Blue/Green.
• —Mise à l'échelle automatique des endpoints.

06.Intégration Continue (CI) pour les composants MLOps

07.Déploiement Continu (CD) des pipelines MLOps avec CodePipeline

• —Concevoir un pipeline CD avec AWS CodePipeline.
• —Intégration de SageMaker, CodeBuild et CloudFormation dans un pipeline.
• —Déploiement automatisé de modèles et d'infrastructures.

08.Orchestration de pipelines MLOps avec AWS Step Functions

• —Modélisation de workflows complexes avec AWS Step Functions.
• —Intégration de SageMaker, Lambda, S3 dans un workflow Step Functions.
• —Gestion des états et des erreurs dans les pipelines.

09.Surveillance et Observabilité des modèles en production

10.Gouvernance et Sécurité des Pipelines MLOps sur AWS

11.Optimisation des coûts et des performances

• —Stratégies d'optimisation des coûts avec les instances SageMaker.
• —Optimisation des performances des modèles et des pipelines.
• —Utilisation des Savings Plans et Spot Instances pour le ML.

12.Cas Pratiques et Bonnes Pratiques MLOps/DataOps

• —Revue de cas d'usage réels et architectures MLOps sur AWS.
• —Mise en œuvre de meilleures pratiques de conception et d'opération.
• —Questions/réponses et synthèse des acquis.