Fondamentaux de l'IA et du ML
Ce que sont l'IA, le ML et le deep learning, comment les modèles apprennent à partir des données et où l'IA apporte une valeur réelle. Ce domaine pose le vocabulaire sur lequel repose le reste de l'examen.
Fondamentaux de l'IA et du ML ouvre le cours AWS Certified AI Practitioner, et cette place se mérite : ce domaine vous donne les mots sur lesquels tout le reste se construit. Avant de comparer Bedrock et SageMaker, de raisonner sur les attaques de prompt ou de juger si un modèle est équitable, vous devez voir clairement ce que sont l'IA, le machine learning et le deep learning, et en quoi ils diffèrent.
Le domaine commence par les définitions de base et la façon dont les modèles apprennent à partir des données. Il montre ensuite où l'IA est un bon choix et où elle ne l'est pas, puis il se termine par le cycle de vie qui transforme une idée en modèle opérationnel.
Ce que couvre ce domaine
- la différence entre IA, machine learning, deep learning et réseaux de neurones
- l'IA générative et l'IA agentique, et les types de données dont les modèles apprennent
- l'apprentissage supervisé, non supervisé et par renforcement, et les principaux types d'inférence
- quand l'IA est le bon outil et quand une approche plus simple l'emporte
- les grands types de problèmes comme la régression, la classification et le clustering, ainsi que les services d'IA managés d'AWS
- le cycle de vie du développement IA/ML, du pipeline au MLOps, et les métriques de modèle et métriques métier qui mesurent la réussite
Pourquoi c'est important
Les domaines suivants supposent en silence que vous parlez déjà cette langue. Une question sur le choix d'un modèle de fondation, la sécurisation d'un pipeline ou la détection d'un biais devient bien plus difficile si vous hésitez encore sur le rôle des données d'entraînement ou sur la différence entre inférence et entraînement. Maîtrisez ces fondamentaux et une bonne partie des questions d'examen deviennent des problèmes de raisonnement plutôt que des jeux de devinettes.
Ce domaine installe aussi un schéma auquel toute la certification revient : AWS prend en charge la lourde infrastructure de l'IA pour que les équipes se concentrent sur le choix de la bonne approche, l'alimentation en données de qualité et la mesure de l'impact réel sur l'activité.