AWS Machine Learning Speciality: Le parcours d'apprentissage
1. Introduction
Récemment, les différentes partie prenantes de l’écosystème IT ont commencé à voir les avantages du MLOps, définit comme étant un processus systémique pour la collaboration des équipes de développement et d’opération pour les solutions Machine Learning, dans l’exécution d’un pipeline de production efficace.
Pour cet effet, Talan, à travers son partenariat avec Amazon, s’engage à former ses data scientists et ML engineers sur les technologies AWS pour la conception, le développement et le déploiement des solutions Machine Learning.
Ainsi, je viens d’obtenir la certification AWS Machine Learning Speciality (MLS-C01) pour s’aligner avec les enjeux de l’écosystème et proposer des solutions de qualité à nos clients.
Dans cet article de blog, je présente ma stratégie pour préparer cet examen ainsi que les concepts et les services à maitriser avant de payer les 300 dollars de l’examen.
Mon certficat AWS Machine Learning Speciality
2. Prérequis indispensables
Avant de commencer la préparation de la certification, il est important d’avoir une expérience de 2 à 5 ans dans la conception et le développement des solutions Machine Learning.
Cette expérience devrait inclure la préparation des données, la compréhension des cas d’usage, le choix du modèle ML, l’apprentissage des modèles, l’optimisation des hyperparamètres, l’évaluation des performances et le déploiement des solutions.
Elle sera surement bénéfique afin de comprendre les enjeux et les problèmes résolus par les services AWS.
Aussi, il est fondamental de commencer par maitriser les notions de base de la technologie cloud et les services proposés par AWS.
Pour cela, la certification AWS Cloud Practitioner Essentials est fortement recommandé avant MLS-C01 afin de maitriser le fonctionnement des services AWS comme S3, IAM, EC2, Glue, Kinesis et SageMaker ainsi que de comprendre des concepts de base comme la sécurité, la scalabilité, l’élasticité et la tolérance des pannes du cloud.
C’est pourquoi, pour cette certification, il faut être à la fois un bon data engineer, un bon data scientist et un bon MLOps engineer.
Les certifications AWS
3. Objectifs de la certification
A la fin de cette expérience, vous serez (normalement) capable de :
Comprendre les cas d’usage qui nécessitent une solution Machine Learning et ses enjeux
Sélectionner et justifier l’approche Machine Learning appropriée pour un cas d’usage donné
Identifier les services AWS appropriés pour l’implémentation d’une solution Machine Learning
Concevoir et développer des solutions Machine Learning scalables, optimisées en terme de coûts, fiables et sécurisées
4. Détails de l’examen MLS-C01
L’examen de la certification de spécialité AWS Machine Learning (MLS-C01) est composé de 65 questions à choix multiples et questions à réponses multiples. Vous avez 180 minutes pour répondre à toutes les questions. Les détails de l’examens sont présentés dans le tableau suivant :
Code de l’examen
MLS-C01
Type de l’examen
Speciality
Durée
180 minutes
Cout de l’examen
300 $
Format
Questions à choix multiple et questions à réponses multiple
Notation de l’examen
Note graduée de 100 à 1000
Score de réussite
>750
Langues
Anglais, japonais, coréen et chinois simplifié
5. Contenu technique
Le certificat de spécialité AWS Machine Learning porte sur 4 domaines :
Ingénierie des données
Analyse exploratoire de données
Modélisation
Mise en œuvre et implémentation du Machine Learning
Dans cette section, nous revenons sur les points les plus important dans chaque domaine. Il s’agit de ma cheat sheet que j’ai révisé avant l’examen.
Domaines couverts par la certification AWS Machine Learning Speciality
Avant de commencer avec les notes techniques, voici les services AWS les plus utilisés dans la préparation de l’examen.
Les services AWS les plus couverts par la certification
5.1. Ingénierie des données
5.1.1. Création des répertoires et entrepôts de données pour les projet Machine Learning
Le choix du système de fichiers utilisé devrait dépendre de plusieurs facteurs comme le temps de chargement des données
Généralement, Amazon S3 est le système de stockage le plus utilisés dans les projets ML pour plusieurs raison. En effet, S3 est utilisé pour tous les types et les tailles de données et il est infiniment scalable. De plus, il est très abordable en terme de budget. S3
S3 : La taille d’un fichier est entre 0 bytes et 5Tb. Par contre, la capacité de stockage de données est illimitée. Le nom d’un bucket devrait être unique
DynamoDB : est un service de base de données propriétaire NoSQL entièrement géré qui prend en charge les structures de données de type clé-valeur et document
RedShift : c’est une BI datawarehouse. Elle permet d’utiliser Quicksight pour la visualisation des données
TimeStream : Amazon Timestream est un service de base de données de séries temporelles rapide, évolutif et sans serveur, qui facilite le stockage et l’analyse de milliards d’événements
DocumentDB : Amazon DocumentDB est un service compatible avec MongoDB. C’est une base de données document JSON native entièrement gérée qui facilite et réduit le coût de l’exploitation de charges de travail de documents critiques à pratiquement n’importe quelle échelle, sans gérer l’infrastructure.
Les outils AWS pour la migration de données sont :
Data Pipeline
Database Migration Service (DMS)
Glue
DMS est utilisé pour la migration de la data qui est stocké sur:
Des serveurs locaux
Une instance Amazon RDS DB
Une instance Amazon EC2
DMS est utilisé aussi pour la migration des données d’une DB vers S3
Une seule transformation possible en utilisant DMS : le changement des noms des colonnes
Glue est un ETL qui permet de simplifier la catégorisation, le nettoyage, l’enrichissement et le transfert des données d’une manière fiable entre plusieurs Data stores
AWS Lake Formation est un service qui permet de mettre en place facilement un lac de données sécurisé en quelques jours.
5.1.2. Maitriser les méthodes d’ingestion de données
Il y a deux types d’ingestion de données : traitement par lots (Batch processing) et traitement en continu ou en temps réel (Stream processing)
Maitriser les pipelines d’ingestion de données en se concentrant sur le service Kinesis
Kinesis Data Firehose peut écrire les données dans votre data lake S3.
Kinesis Data Analytics doit être alimenté en données en continu par Kinesis Data Streams ou Kinesis Data Firehose
Kinesis Data Analytics ne peut pas ingérer les données directement.
Apache Flink peut écrire vos données sur S3 à l’aide du puits de fichiers en continu, mais il écrit dans les formats AVRO et Parquet, et non GZIP
Kinesis Data Streams ne peut pas écrire directement sur S3. Il a besoin d’une application Kinesis Consumer Library pour recevoir les données et les écrire ensuite sur S3
L’interaction avec Kinesis Data Streams est possible via :
Kinesis Producer Library (KPL) pour écrire. Ceci se fait à travers des Java wrappers automatiques et configurables
Kinesis API (SDK)
Kinesis Client Library (KCL) pour interagir avec KPL afin de traiter les données
AWS Glue est très utilisé dans ce contexte. Il est un service d’intégration de données sans serveur qui rend la préparation de données plus simple, plus rapide et surtout moins chère AWS Glue
Format de fichier avec Athena : Le format de fichier Parquet est un format basé sur des colonnes, et il supporte le partitionnement. L’autre format de fichier basé sur des colonnes supporté par Athena est ORC. Ces formats de fichiers basés sur des colonnes sont plus performants que les formats tabulaires tels que CSV et TSV lorsqu’Athena travaille avec de très grands ensembles de données.
XML n’est pas un format de données pris en charge pour la formation dans SageMaker.
La source de données la plus couramment utilisée pour SageMaker est un bucket S3. Cependant, vous pouvez également utiliser Athena, EMR et Redshift comme sources de données pour SageMaker.
Pour afficher des tableaux de bord en utilisant un outil BI, le pipeline est assuré par les services suivants : Kinesis Data Firehose -> S3-> Lake Formation -> QuickSight
Apache Flink permet d’écrire sur S3 en utilisant streaming file sink dans un format AVRO ou Parquet.
Parfois, c’est plus efficace d’écrire son code de transformation de données en utilisant la fonction lambda et puis transférer les données dans S3 avec le même service
Apache Kafka est utilisé comme une source de données en continu (streaming) où les features sont directement alimentés dans le Feature Store en ligne
Kinesis Data Analytics avec la fonction Lambda pourrait être utilisé comme une source de données en continu (streaming) où les features sont directement alimentés dans le Feature Store en ligne
Amazon QuickSight prend en charge une variété de sources de données que vous pouvez utiliser pour fournir des données pour les analyses. Certaines sources de données comme DynamoDB ne sont pris en charge. La liste des sources de données est présentée dans ce guide : Supported data sources . Parmi ces sources, on trouve Snowflake, Presto, Teradata et S3.
AWS Glue ne peut pas charger les données directement vers le notebook SageMaker pour lancer l’apprentissage d’un modèle ML. Pour résoudre ce problème, Glue devrait placer les données dans un bucket S3 qui sera charger par la suite par le notebook SageMaker
AWS Lake Formation permet de collecter et cataloguer les données à partir de plusieurs sources de données, transformer les données et les charger en un S3 data lake
IoT Core est utilisé pour collecter de l’information à partir des capteurs IoT
IoT Greengrass est utilisé pour déployer le modèle et tester l’inférence sur les capteurs connectés
5.1.3. Maitriser les méthodes de transformation de données
Glue ETL est utilisé dans le traitement par lots (batch processing) et ne peut pas être utilisé dans le traitement en temps réel
Apache Spark Streaming est un moteur analytique utilisé pour traiter les données volumineuses en exécutant des jobs de traitement distribués
Kinesis Data Analytics ne possède pas les capacités de Apache Spark pour traiter les données volumineuses
AWS Glue Data Catalog est un référentiel central permettant de stocker les metadata structurelles et opérationnelles de tous les actifs de données
AWS Glue crawlers se connecte à un data store, passe par une liste hiérarchisée de classificateurs pour extraire le schéma des données et d’autres statistiques, puis alimente le Glue Data Catalog avec ces metadata
EMR est utilisé pour la transformation des big data à travers plusieurs EC2 via différents frameworks comme Spark, Tensorflow et Hive
Athena est un service sans serveur qui permet de lancer des requêtes SQL sur S3
5.2. Analyse exploratoire de données
5.2.1. Préparation de la donnée pour le modèle ML
L’identification et le traitement des données manquantes est un concept important pour améliorer les performances des modèles de prédiction. managing-missing-values
La normalisation et la standardisation des données sont deux techniques de traitement de données
La normalisation redimensionne les données afin que toutes les valeurs soient comprises entre 0 et 1
La standardisation centres les valeurs des features autour de la valeur moyenne
La standardisation est plus efficace que la normalisation sur la gestion des outliers
AWS propose des services d’annotation de données comme Amazon SageMaker Ground Truth and Mechanical Turk
Binning : est une technique permettant de réduire la cardinalité des données continues et discrètes. Le binning regroupe des valeurs dans des bacs afin de réduire le nombre de valeurs distinctes.
Tokenization : est utilisée dans le traitement du langage naturel (NLP) pour diviser les paragraphes et les phrases en unités plus petites auxquelles on peut plus facilement attribuer une signification.
Outliers : Comment traiter les valeurs aberrantes dans un modèle de classification d’images ? Une des techniques utilisées pour résoudre ce problème est d’agir sur l’hyperparamètre learning_rate qui régit la vitesse à laquelle le modèle s’adapte à des données nouvelles ou changeantes. Les valeurs valides vont de 0,0 à 1,0. En définissant cet hyperparamètre à une valeur faible, telle que 0,1, le modèle apprendra plus lentement et sera moins sensible aux valeurs aberrantes.
Réduction de la dimensionnalité
One hot encoding : est la conversion d’informations catégorielles dans un format qui peut être introduit dans des algorithmes d’apprentissage automatique pour améliorer la précision des prédictions. C’est une méthode courante pour traiter les données catégorielles dans l’apprentissage automatique
Les features synthétiques
TF-IDF : permet de déterminer l’importance des mots dans différents documents
Parmi les techniques utilisées pour la sélection et l’engineering des features :
Supprimer les features qui ne sont pas liés à l’apprentissage
supprimer les features qui ont les mêmes valeurs, une très faible corrélation, une très faible variance ou beaucoup de valeurs manquantes.
Appliquer le Principal Component Analysis (PCA) pour réduire la dimensionnalité, c-à-d la réduction du nombre des features
Appliquer des techniques comme One-hot encoding and label encoding pour convertir les strings en des features numériques afin de simplifier l’apprentissage
Appliquer la normalisation pour gérer les données avec une large variance
Parmi les techniques de traitement des données manquantes :
Supprimer les features avec beaucoup de données manquantes
Imputation à l’aide de valeurs moyennes/médianes - valable uniquement pour les valeurs numériques et non pour les features catégorielles ; ne tient pas compte de la corrélation entre les caractéristiques
Imputation à l’aide de k-NN, Imputation multivariée par équation chaînée (MICE), Deep Learning, factorise la corrélation entre les caractéristiques
Parmi les techniques pour gérer les données non équilibrées :
Demander plus de données
Sur-échantillonnage de la classe minoritaire et sous-échantillonnage de la classe majoritaire
Augmentation des données à l’aide de techniques telles que SMOTE
Smoothing est une technique qui permet de supprimer le bruit du dataset d’apprentissage
Les deux métriques utilisées par SageMaker Data Wrangler pour visualizer les rapports des fuites cibles sont R2 et AOC-ROC
Multivariate imputation est une technique d’imputation qui permet d’utiliser d’autres variables de la data pour prévoir les données manquantes
Mean imputation est une technique d’imputation qui permet d’utiliser la valeur moyenne de la colonne pour remplir les données manquantes
Le nettoyage des données et la préparation des features pourrait se faire en créant un SageMaker Processing job avec SageMaker Python SDK et le package scikit-learn SKLearnProcessor ou Spark PySparkProcessor qui permettent de préparer les données et les diviser en train et test datasets
5.2.3. Analyse et visualisation de données
Les différents types de graphe les plus utilisés par les data scientists : Scatter, histogram, box plot
Elbow plot pour les modèles de clustering
Catplot est utilisé pour visualiser la relation entre une valeur numérique et une ou plusieurs valeurs catégoriques en utilisant des visualisations comme boxenplot
Swarm plot et utilisé pour visualiser la distribution des valeurs de chaque feature
Pair plot est utilisé pour visualiser la relation entre les pairs de features et la distribution d’une variable par rapport à l’autre
La matrice de covariance permet de montrer le degré de corrélation entre deux features
5.3. Modélisation
5.3.1. Cas d’usage du Machine Learning
L’approche heuristique est utilisée lorsqu’une approche d’apprentissage automatique n’est pas nécessaire. Un exemple est le taux d’accélération d’une particule dans l’espace. Il existe des formules bien connues pour la vitesse, l’inertie et la friction qui permettent de résoudre un tel problème
Apprentissage supervisé Vs Apprentissage non supervisé
Il important de bien lire l’énoncé de la question pour orienter le sens de la réflexion : algorithme de classification, de régression, etc.
5.3.2. Sélection du modèle ML pour un problème donnée
Voici un overview sur les modèles les plus utilisés pour résoudre un problème en ML: Algorithmes ML:
Cheat Sheet des algorithmes de Machine Learning en AWS
Expliquer l’intuition derrière chaque modèle : Xgboost, logistic regression, K-means, linear regression, decision trees, random forests, RNN, CNN, Ensemble, Transfer learning
Le célèbre moteur de recommandation d’Amazon.com est construit à l’aide d’une méthode de filtrage collaboratif neuronal. Cette méthode est optimisée pour trouver des similitudes dans des environnements où l’on dispose de grandes quantités d’actions d’utilisateurs à analyser.
Random Cut Forest (RCF) est utilisé pour la détection des anomalies.
L’allocation latente de Dirichlet LDA est un algorithme d’apprentissage non supervisé. Le scénario décrit un ensemble d’apprentissage supervisé et noté. En outre, LDA est un modèle de “sac de mots”, ce qui signifie que l’ordre des mots n’a pas d’importance. Ce modèle n’est pas idéal pour l’analyse des sentiments
Amazon Forecast CNN-QR est un le seul algorithme qui accepte les données des séries temporelles connexes sans valeurs futures
Les modèles types fournies par Amazon Fraud Detector :
Online fraud insights
Transaction fraud insights
Account takeover insights
AWS Transcribe http/2 streaming client est utilisé dans le cas où on a des problèmes de connexion ou on passe en offline
Long Short-Term Memory (LSTM) est utilisé pour le traitement des séries temporelles ou les données séquentielles
Multinominal Naive Bayes est un algorithme qui est très utilisé pour la classification des documents en se basant sur le nombre d’occurrence d’un mot dans le document en question
Bernouilli Naive Bayes est un algorithme qui est utilisé pour la classification des documents en se basant sur le fait de chercher l’apparence d’un mot dans le document en question
QuickSight intègre un algorithme Random Cut Forest ce qui rend plus efficace de l’utiliser directement comme étant un outil BI pour la détection et l’affichage des outliers. Cet outil est utilisé avec Kinesis Data Firehose et S3 pour la détection des anomalies en temps réel
5.3.3. Apprentissage des modèles ML
Etudier les techniques de Cross validation comme train_test_split, K-Fold, Stratified K-Fold, hold-out pour les séries temporelles, etc.
K-Fold cross validation permet de diviser le dataset en K parties et lancer l’apprentissage du modèle K fois. A chaque fois, une partie est utilisée comme étant un test dataset et le reste, K-1 parties, est utilisé pour le train. A la fin, tous les résultats sont combinés pour avoir le résultat final
Optimizer, gradient descent, loss functions, local minima, convergence, batches, probability, etc.
Le choix des ressources (GPU, CPU) dépend de l’algorithme en AWS
XGBOOST : SageMaker XGBoost ne prend actuellement en charge qu’une instance CPU ou une instance GPU à une seule instance pour l’apprentissage.
Ajoutez Horovod à votre code et utilisez son cadre de formation d’apprentissage profond distribué pour TensorFlow.
Parmi les techniques efficaces de la configuration des hyperparamètres du modèles en termes de performances : choisir un petit learning rate, un large nombre d’estimateurs et un early stoping
Quand on possède un large datasets, on a généralement tendance à utiliser un réseau de neurones avec un grand nombre de couches cachées
Amazon CodeGuru est utilisé pour automatiser la révision de code et détecter les failles de sécurité
5.3.4. Optimisation des hyperparamètres
La définition des hyperparamètres de l’algorithme SageMaker XGBoost dépend de l’application et certains hyperparamètres sont obligatoire avant de lancer l’apprentissage comme Num_round et Num_class pour une application de classification multi-class
Les techniques de régularisation : L1/L2, Dropout, etc.
Initialisation des modèles
Architectures des réseaux de neurones
Learning rate
Les fonctions d’activation
Les méthodes de tunning sont :
Grid search
Random search : utilisé quand on lance les training jobs en parallèle
Bayesian search : nécessite moins de jobs d’apprentissage pour générer les hyperparamètres optimaux
Généralement, avec les réseaux de neurones qui ont un problème d’overfitting on :
Augmente le dropout
Augmente la régularisation
Diminue les combinations des features
Ridge regression et Lasso regression sont utilisées pour réduire la complexité du modèle.
Lasso regression élémine quelques features ce qui réduit effectivement la complexité
5.3.5. Evaluation des modèles ML
L’overfitting est parmi les points clés les plus évoqués dans les questions. Alors, il faut maitriser les techniques utilisées pour l’empêcher avec les différents modèles
L’overfitting se produit lorsque le modèle ne peut pas généraliser et s’adapte trop étroitement à l’ensemble de données d’apprentissage. Overfitting
Dropout est une technique couramment utilisée pour pénaliser les poids et empêcher l’overfitting. Mais, il s’agit d’une technique utilisée avec les réseaux neuronaux, et non avec les arbres de décision. Certaines questions propose de d’éviter l’overfitting en utilisant dropout avec des modèles supervisés, ce qui complétement faux
Random Forest est utilisée pour éviter l’overfitting avec les arbres de décision
Les métriques d’évaluation sont : AUC-ROC, accuracy, precision, recall pour les modèles de classification, RMSE, MSE pour les modèles de régression et F1 Score pour les datasets non équilibrés
La matrice de confusion pour les modèles de classification :
Un vrai positif est un résultat où le modèle prédit correctement la classe positive. De même, un vrai négatif est un résultat où le modèle prédit correctement la classe négative
Un faux positif est un résultat où le modèle prédit incorrectement la classe positive. Et un faux négatif est un résultat où le modèle prédit de manière incorrecte la classe négative
L’aire sous la courbe ROC (Receiver Operating Characteristic) est la mesure la plus couramment utilisée pour comparer les modèles de classification
K-means utilise msd (Mean Squared Distances) pour la validation du modèle. Cependant, vous voudrez minimiser cette métrique.
K-means utilise ssd (Sum of the Squared Distances) pour la validation du modèle. Cependant, vous voudrez minimiser cette métrique.
Dans cette référence, vous trouverez un ensemble de techniques couramment utilisées pour améliorer les performances des modèles de Deep Learning : How To Improve Deep Learning Performance
La matrice de confusion qui permet de calculer les métriques comme la précision, le recall et l’accuracy :
La matrice de confusion
Précision :
TP/(TP+FP)
Recall :
TP/(TP+FN)
Accuracy :
(TP+TN)/(TP+FN+TN+FP)
F1 Score est une métrique qui combine la précision et le recall :
F1-Score=2 (Precision .Recall)/(Precision+Recall)
La métrique Mean Absolute Error (MAE) a la capacité de gérer les outliers
5.4. Mise en œuvre et implémentation du Machine Learning
5.4.1. Construire des solutions ML pour la performance, la disponibilité, l’évolutivité, la résilience et la tolérance aux pannes
Créez un tableau de bord CloudWatch pour afficher une vue des paramètres de latence, d’utilisation de la mémoire et d’utilisation du processeur de la variante du modèle SageMaker
AWS Auto Scaling surveille vos applications et ajuste automatiquement la capacité pour maintenir des performances constantes et prévisibles au coût le plus bas possible
En utilisant Auto Scaling, il faut définir une politique de scaling: Policies in EC2
Simple Scaling
Target tracking Scaling
Step Scaling
Meilleures pratiques du ML dans les services financiers: Best practices
5.4.2. Services AWS pour le Machine Learning
Comprehend : un service pour les applications NLP qui permet de trouver des features et des relations dans le texte
Polly : générer la voix à partir d’un texte
Lex : fournit des interfaces conversationnelles utilisant la voix et le texte, utiles pour créer des chatbots vocaux et textuels.
Transcibe : fournit une capacité de conversion de la parole en texte
Translate : fournit une traduction linguistique naturelle et fluide
Rekognition : permet d’analyser des images et des vidéos
Apache Spark pourrait être utilisé avec les services AWS pour la gestion des données volumineuses
Apache Spark Streaming supporte le traitement en temps réel des données
Apache Spark MLlib est une bibliothèque Machine Learning qui permet d’exécuter des algorithmes conçus pour être mis à l’échelle des clusters pour la classification, la régression, le clustering et le collaborative filtering
SageMaker lifecycle est utilisé pour installer les packages ou les notebooks dans ses proposes instances notebook , configurer le réseau et la sécurité des instances notebook et utiliser les script shell pour personnaliser les instances notebook
SageMaker Hosting Services permet d’envoyer des requêtes vers un HTTPS endpoint pour tester des inférences
SageMaker Batch Transform est utilisé pour tester des inférences sur un dataset en entier sans avoir besoin d’un endpoint persistent
La sécurité est traitée d’une manière très légère mais vous aurez quelques questions sur les services de sécurité de AWS comme IAM.
SageMaker permet de lire des données stockées en S3 et cryptées en utilisant AWS Key Management Service (KMS). Il est important de s’assurer que les politiques de clé KMS incluent le rôle attaché à SageMaker utilisé
IAM : garantit que les bonnes personnes et les bons rôles dans votre organisation (identités) peuvent accéder aux outils dont ils ont besoin pour faire leur travail
Security groups: agissent comme un pare-feu virtuel, en contrôlant le trafic qui est autorisé à atteindre et à quitter les ressources auxquelles il est associé. Par exemple, après avoir associé un groupe de sécurité à une instance EC2, il contrôle le trafic entrant et sortant de l’instance: Groupes de sécurité
Amazon Virtual Private Cloud (VPC): permet de lancer des ressources AWS dans un réseau virtuel défini. Ce réseau virtuel ressemble beaucoup à un réseau traditionnel exploité dans le data center d’origine, avec les avantages de l’utilisation de l’infrastructure évolutive d’AWS. Il est logiquement isolé des autres réseaux virtuels dans le cloud AWS. Vous pouvez spécifier une plage d’adresses IP pour le VPC, ajouter des sous-réseaux, ajouter des passerelles et associer des groupes de sécurité. Un sous-réseau est une plage d’adresses IP dans votre VPC: Amazon VPC
Encryption: AES-256 est la technologie que nous utilisons pour chiffrer les données dans AWS, y compris le chiffrement côté serveur d’Amazon Simple Storage Service (S3): L’imporatance du chiffrement
Quand on applique des changements sur le SageMaker endpoint, on modifie le SageMaker HTTPS endpoint sans mettre en arrêt le modèle déjà déployé. On change le type de l’instance du modèle existant et on ajouter un nouveau model variant. La création de la nouvelle configuration de l’endpoint et son déploiement se fait en utilisant l’action UpdateEndpoint
Deep Learning AMI est une image machine Amazon fournie par AWS pour une utilisation sur Amazon EC2. Elle est conçue pour fournir un environnement d’exécution stable, sécurisé et performant pour les applications de Deep Learning exécutées sur Amazon EC2.
Deep Learning AMI n’est pas utilisé pour charger un large dataset d’apprentissage à partir de S3
6. Préparation, ressources et planification
La stratégie et le temps de préparation de l’examen dépendent systématiquement du niveau d’expertise du candidat. Initialement, j’ai commencé par le cours d’AWS et ses fournisseurs externes. Après, j’ai implémenté quelques solutions ML en utilisant les services AWS et principalement SageMaker et SageMaker Studio. Par la suite, j’ai consulté les documentations AWS des services déjà présentés dans la section précédente. Finalement, j’ai passé plusieurs test pratiques disponibles gratuitement sur plusieurs sites d’apprentissage.
A la fin, je vous donne quelques ressources très utiles pour préparer l’examen :
Commencer la préparation de l’examen en suivant le cours officiel sur la plateforme AWS training and certification: AWS Skill Builder
Pendant la préparation de l’examen, il faut avoir de l’expérience pratique avec le service AWS SageMaker afin de maitriser ce service ainsi que d’autres services comme S3 et IAM. Practice makes perfect 😊
Pensez à s’entrainer avec des tests pratiques pour la certification AWS Machine Learning Speciality: Test pratique
Il faut maitriser l’anglais ! Certaines questions pourraient être délicates et un seul mot pourrait changer son sens
Utiliser l’option « flag the question » pour pouvoir réviser les questions difficiles. Dans ce cas, vous pouvez commencer par les domaines que vous maitrisez en laissant les points compliqués pour la fin.
Pendant l’examen, vous serez devant votre écran pendant 180 minutes sans avoir le droit à une pause donc n’oubliez pas de manger un petit snack, d’aller aux toilettes et de charger votre ordinateur avant de commencer la session.
8. Conclusion
L’expérience avec la certification AWS et son parcours d’apprentissage très intense m’a permis de bien comprendre la façon de résoudre les challenges du Machine Learning à l’aide des services AWS. Cependant, ce n’est qu’un « Hello World » pas vers la maitrise de toutes les architectures et tous les paramètres des services développés par AWS. Aujourd’hui, Talan, à travers ses collaborateurs, est prête à aider ses clients et partenaires à relever les challenges autour de l’IA, Data Science et Cloud Computing en mettant à leur disposition ces compétences techniques.
