[ Stack technique ]
Amazon SageMaker
La plateforme ML managée d'AWS, du notebook Studio à l'endpoint de production.
SageMaker AI, le volet ML d'Amazon SageMaker, enchaîne Studio (notebooks, JupyterLab, Code Editor), les jobs d'entraînement et de tuning sur instances managées, SageMaker Pipelines pour orchestrer les étapes, le Model Registry, puis des endpoints temps réel, serverless, asynchrones ou batch, surveillés par Model Monitor. JumpStart fournit des modèles fondation et ouverts prêts à fine-tuner, et SageMaker Unified Studio relie le tout aux données (S3, Redshift, Glue) et aux modèles Bedrock. C'est notre choix quand l'infrastructure et la donnée du client sont déjà sur AWS.
[ Pourquoi Amazon SageMaker chez Dexon ]
Ce que cette techno fait bien, et pourquoi nous la mobilisons.
Usage typique : ML sur données AWS, scoring temps réel, prévision de la demande, fine-tuning de modèles ouverts.
- 01
Studio : notebooks, JupyterLab et Code Editor sur instances managées à la demande.
- 02
Pipelines et Model Registry : étapes versionnées, approbation avant déploiement.
- 03
Endpoints temps réel, serverless, asynchrones ou batch, avec Model Monitor.
- 04
JumpStart et passerelle Bedrock : modèles fondation à fine-tuner ou consommer.
[ Technologies complémentaires ]
Les briques que nous mobilisons souvent en parallèle.
Une stack existe rarement seule. Voici les technologies que Dexon associe le plus souvent à celle-ci, par habitude de pipeline, similarité d'usage ou maîtrise interne. Cliquez sur une brique pour voir son périmètre.
[ Réassurance ]
- 0+
- projets livrés sur mesure
- 30
- ingénieurs, designers, chefs de projet
- 80 %
- issus des meilleures écoles FR
- 24 h
- délai moyen de réponse
[ Ils nous font confiance ]
Plus de 100 entreprises françaises et européennes nous accordent leur confiance.
[ Presse ]
Ils parlent de nous.
Couverture nationale par BFM Business, Le Figaro, Challenges, La Tribune et CNews. Une lecture extérieure de notre travail et de nos innovations.
