Concevoir et gérer des solutions de Machine Learning sur le cloud AWS
L'essentiel
Code(s) NSF
326t : Programmation, mise en place de logiciels
326m : Informatique, traitement de l'information
Formacode(s)
31011 : Cloud computing
31067 : Analyse programmation
31028 : Intelligence artificielle
Date d’échéance
de l’enregistrement
26-01-2025
| Nom légal | Siret | Nom commercial | Site internet |
|---|---|---|---|
| AMAZON WEB SERVICES EMEA SARL | 83100133400034 | Amazon Web Services | https://www.aws.training/ |
Objectifs et contexte de la certification :
Le dispositif a pour objectif d'attester les compétences d'administration de solutions de Machine Learning sur le cloud AWS. Il atteste que le professionnel peut concevoir, implémenter, déployer et maintenir des solutions d'apprentissage automatique (Machine Learning) pour des problèmes professionnels donnés.
Compétences attestées :
Choisir et justifier l'approche Machine Learning appropriée pour un problème d'entreprise donné
Utiliser les services AWS appropriés pour implémenter des solutions de Machine Learning
Concevoir et mettre en œuvre des solutions de Machine Learning évolutives, optimisées en termes de coûts, fiables et sécurisées
Modalités d'évaluation :
L'obtention de la certification se fait par passage d'un examen soit en centre certifié soit en ligne sur les plateformes Pearson VUE ou PSI.
L’examen AWS Certified Machine Learning - Specialty (MLS-C01) est un examen éliminatoire. L'examen est évalué en fonction d'une norme minimale établie par les professionnels AWS. Ceux-ci observent les bonnes pratiques et directives en matière de certification. Vos résultats à l'examen sont présentés sous la forme d'un score gradué de 100 à 1 000. Le score minimal pour réussir est de 750. Votre score indique votre performance lors de l'examen dans son ensemble et si vous avez réussi celui-ci ou non. Les modèles de notation graduée permettent de mettre sur le même pied les scores de différents formulaires d'examen qui peuvent présenter des niveaux de difficulté légèrement différents.
Votre compte-rendu de score peut contenir un tableau des classifications de vos performances à chaque niveau de section. Ces informations sont destinées à fournir un feedback général sur vos performances à l'examen. L'examen utilise un modèle de notation compensatoire, ce qui signifie que vous n'avez pas besoin d'obtenir une note minimale dans chaque section. Vous devez seulement réussir l'examen général. Les différentes sections de l’examen et leur pondération sont les suivantes : 20% pour la section ingénierie des données, 24% pour la section analyse exploratoire des données, 36% pour la section modélisation, 20% pour la section mise en œuvre et opérations du Machine Learning.
Références juridiques des règlementations d’activité :
Le cas échant, prérequis à l’entrée en formation :
Profil type des candidats : chercheur en Machine Learning, ingénieur IA, ingénieur Machine Learning, scientifique des données (data scientist), analyste des données (data analyst), développeur en business intelligence (BI), data miner , ...
Il est recommandé pour les candidats d’avoir 1 ans d’expérience pratique dans l’utilisation des services de machine learning sur AWS avant de passer l’évaluation
Le cas échant, prérequis à la validation de la certification :
Validité des composantes acquises :
| Voie d’accès à la certification | Oui | Non | Composition des jurys | Date de dernière modification |
|---|---|---|---|---|
| Après un parcours de formation sous statut d’élève ou d’étudiant | X |
Examen en ligne supervisé par l’organisme Pearson VUE ou PSI. L'examen est délivré soit dans un centre d’examen accrédité soit depuis chez soi avec surveillance virtuelle (e-proctoring). La correction des examens est entièrement automatisée. |
26-01-2022 | |
| En contrat d’apprentissage | X | - | - | |
| Après un parcours de formation continue | X |
Examen en ligne supervisé par l’organisme Pearson VUE ou PSI. L'examen est délivré soit dans un centre d’examen accrédité soit depuis chez soi avec surveillance virtuelle (e-proctoring). La correction des examens est entièrement automatisée. |
26-01-2022 | |
| En contrat de professionnalisation | X | - | - | |
| Par candidature individuelle | X |
Examen en ligne supervisé par l’organisme Pearson VUE ou PSI. L'examen est délivré soit dans un centre d’examen accrédité soit depuis chez soi avec surveillance virtuelle (e-proctoring). La correction des examens est entièrement automatisée. |
26-01-2022 | |
| Par expérience | X | - | - |
Aucune correspondance
| Date de décision | 26-01-2022 |
|---|---|
| Durée de l'enregistrement en années | 3 |
| Date d'échéance de l'enregistrement | 26-01-2025 |
Statistiques :
| Année d'obtention de la certification | Nombre de certifiés | Nombre de certifiés par reconnaissance de l'expérience professionnelle |
|---|---|---|
| 2020 | 95 | - |
| 2019 | 30 | - |
Lien internet vers le descriptif de la certification :
https://aws.amazon.com/fr/certification/certified-machine-learning-specialty/
Liste des organismes préparant à la certification :
Référentiel d'activité, de compétences et d'évaluation :
