Informations pratiques

• Voir nos formateurs
• 20 rue des Frigos, 75013

  Voir le plan
• 2 jours
• 1 350€

Prochaines sessions :

Contactez-nous à training@soat.fr

Nombre de participants maximum : 10

• Comment s'inscrire ?
• Conditions générales de vente
• Réservez une place

Objectifs

• Avoir une vue d’ensemble de l’offre AWS pour la Data Science
• Tester un large nombre de services AWS sur un cas pratique
• Apprendre les chaînes de services qui permettent des itérations rapides

Public

• Data Scientists, Machine Learning Engineers, Architectes

Pré-requis

Connaissances de base en Data Science

Méthodes pédagogiques

40% théorie / 60% pratique

Description

Ce cours vous permet de découvrir et mettre en pratique les nombreux services d’AWS pour la Data Science. Il ne s'agit pas seulement d’une vue d’ensemble mais également d'insister sur les meilleures pratiques et sur les interactions entre ces services.

Programme

• Redshift et S3 : les piliers des architectures data sur AWS
• Transformation de données : Clusters Managés versus Serverless
• AWS Machine Learning : les services de haut niveau
• SageMaker : exploration de données et paramétrage d’algorithme
• SageMaker : mettre en production souvent et gérer la mise à l’échelle

Evaluation

En fin de formation, il vous est demandé la mesure de votre satisfaction de la formation suivie. Celle-ci se déroule individuellement en ligne à l’aide de votre PC. Cette évaluation vous permet de nous communiquer votre avis sur l’organisation de la session, les conditions d’accueil, les objectifs pédagogiques, les méthodes pédagogiques, les moyens et supports utilisés ainsi que les qualités pédagogiques de votre formateur. Les appréciations que vous avez formulées font l’objet d’un enregistrement et d’une analyse qualitative de la formation et du formateur au regard des autres sessions réalisées. SOAT Training dispose d'un processus qualité qui prend en considération les éventuels dysfonctionnements rencontrés par les participants afin d’être proactif quant à la solution corrective adaptée tant sur le contenu de la formation elle-même que les conditions de son déroulement.