Top 13 des projets AWS : Du débutant au professionnel

N'oubliez pas de toujours fermer ou mettre fin aux ressources que vous utilisez pour un projet lorsque vous avez terminé. Ne laissez aucun service AWS fonctionner activement pendant plus de quelques heures afin d'éviter des coûts inattendus.

Projets AWS pour les débutants

Si vous êtes relativement novice en matière d'AWS, ces projets peuvent vous aider à explorer certaines des fonctionnalités de base et à vous familiariser avec les meilleures pratiques, entre autres. 

Démarrer avec AWS : Rôles IAM et S3

En tant que débutant sur AWS, la meilleure façon de commencer est de vous familiariser avec l'écosystème AWS et ses services. Notre introduction à AWS vous permettra de découvrir les bases et quelques concepts avancés.

Les deux services les plus couramment utilisés et avec lesquels tout débutant devrait être très à l'aise sont IAM et S3.

Gestion des identités et des accès (IAM) d'AWS

Le service IAM est inclus dans chaque compte AWS. Grâce à l'IAM, vous pouvez ajouter de nouveaux utilisateurs et contrôler leur accès aux services et ressources AWS.

Vous devrez comprendre comment utiliser IAM et suivre les meilleures pratiques en matière de sécurité. Ces compétences sont essentielles pour les projets AWS mentionnés dans cet article.

Source : AWS

AWS Simple Storage Service (S3)

AWS S3 est probablement l'un des services AWS les plus populaires et les plus utilisés. Il s'agit d'une solution de stockage de données extrêmement rentable et incroyablement simple à mettre en place. Amazon propose également l'Elastic File System (EFS) comme solution de stockage alternative. 

Notre tutoriel sur le stockage AWS tutoriel sur le stockage AWS explore les différentes fonctionnalités et avantages de S3 et EFS.

La plupart des projets présentés dans cet article utiliseront S3 comme solution de stockage d'une manière ou d'une autre, et il est probable que vous l'utiliserez largement au cours de votre carrière. Renseignez-vous sur ce qu'est Amazon S3et consultez le chapitre sur les services de stockage AWS de notre coursIntroduction à AWS.

1. Hébergement d'un site web statique sur Amazon S3

Pour lancer les projets de cet article, nous commençons par l'hébergement d'un site web statique simple. Nous vous recommandons de créer votre propre site web statique, non seulement pour apprendre à utiliser quelques services AWS, mais aussi pour commencer à présenter vos projets, en démontrant vos compétences AWS dans un portfolio que vous pourrez envoyer à vos futurs employeurs.

La documentation AWS contient un tutoriel très facile à suivre pour configurer un site web statique à l'aide d'un domaine enregistré auprès de Route 53.

Services AWS utilisés dans ce projet :

• Amazon Route 53 pour l'enregistrement d'un domaine.
• Amazon S3 pour le stockage du contenu de votre site web.
• CloudFront pour accélérer votre site web statique.
• Lambda@Edge (une fonctionnalité de CloudFront) pour la sécurité.

2. Déployer une application web simple en Python avec AWS Elastic Beanstalk

Source : AWS

L'une des meilleures façons d'apprendre le fonctionnement de base d'AWS Elastic Beanstalk est de déployer une application web Python avec soit . Flask ou Django.

AWS Elastic Beanstalk est un service idéal pour le déploiement d'applications web, car vous pouvez vous concentrer sur le code de votre application au lieu de vous préoccuper de la gestion de l'infrastructure. 

Cependant, vous devez encore apprendre quelques concepts clés pour configurer correctement votre application web, tels que les variables d'environnement, l'équilibrage de la charge et la mise à l'échelle automatique. Cette expérience pratique est une bonne introduction à certains concepts et pratiques DevOps. concepts et pratiques DevOps clés.

3. Déployer des bases de données SQL Server sur Amazon RDS

L'atelier Atelier Amazon RDS pour SQL Server propose une découverte pas à pas d'Amazon RDS. Vous créerez une instance de base de données et apprendrez des concepts importants relatifs aux sauvegardes, à la sécurité, à la mise à l'échelle, à l'optimisation et à la surveillance de votre instance de base de données.

Projets AWS intermédiaires

Ces projets apprennent aux débutants à exploiter les services cloud pour des solutions évolutives et efficaces, tout en leur offrant une expérience pratique dans le traitement de cas d'utilisation réels tels que le traitement d'images et les chatbots interactifs.

4. Construire un système de traitement d'images sans serveur

Ce projet vous guide dans la création d'un flux de travail de traitement d'images workflow de traitement d'images sans serveur en utilisant AWS Step Functions, AWS Lambda, Amazon DynamoDB et Amazon SNS.

En exploitant AWS Step Functions pour orchestrer plusieurs services, vous apprendrez à orchestrer et à automatiser des flux de travail complexes, une compétence cruciale pour les solutions modernes basées sur le cloud.

Services AWS utilisés dans ce projet :

• Amazon Rekognition pour identifier si un visage est présent dans une image téléchargée.
• AWS CloudFormation pour un modèle qui met rapidement en place les ressources nécessaires au projet.
• Les fonctions d'étape d'AWS pour orchestrer le flux de travail.
• AWS Lambda pour invoquer Rekognition.
• Amazon DynamoDB pour stocker les métadonnées des images.
• Service de notification simple d'Amazon (SNS).
• Amazon EventBridge pour déclencher l'exécution de la machine à états lorsqu'une nouvelle image est téléchargée.

Source : AWS

5. Créer un chatbot avec AWS Lex

Les chatbots sont un sujet brûlant en ce moment, et AWS Lex rend incroyablement simple la mise en place d'un chatbot avec une interface web qui peut être intégrée dans votre site web personnel ou celui de votre entreprise.

Source : AWS

AWS propose un exemple de projet Amazon Lex UI qui vous permettra d'acquérir une expérience pratique de la mise en place et de l'utilisation d'un chatbot. L'utilisation d'un modèle Amazon CloudFormation accélère encore plus les choses, avec toutes les ressources dont vous avez besoin pour construire et configurer automatiquement l'interface utilisateur du chatbot.

Services AWS utilisés dans ce projet :

• Pool d'identité Amazon Cognito pour créer les informations d'identification utilisées pour authentifier les appels à l'API Lex à partir du navigateur.
• AWS Lex pour le chatbot.
• Amazon CloudFormation pour le modèle.

Projets avancés AWS

Dans cette section, nous présentons des projets d'apprentissage automatique et d'IA qui utilisent un large éventail de services AWS.

Ces projets introduisent des technologies et des compétences avancées, vous permettant de créer des solutions impactantes et de pointe qui améliorent l'expérience des utilisateurs et les processus d'entreprise.

Projets d'apprentissage automatique avec AWS

Amazon Sagemaker est un service entièrement géré, polyvalent et évolutif qui permet de créer, d'entraîner et de déployer des modèles d'apprentissage automatique dans AWS. C'est notre outil de prédilection pour les projets AWS avancés impliquant l'apprentissage automatique.

Consultez cette introduction à Sagemaker pour une présentation complète de ce service.

6. Déploiement d'une solution complète de détection des fraudes par apprentissage automatique à l'aide d'Amazon Sagemaker

Le premier projet de cette section est une solution de détection de la fraude par apprentissage automatique de bout en bout. solution d'apprentissage automatique pour la détection des fraudes créée par AWS.

Ce projet vous guidera dans la préparation des données, la formation au modèle et le déploiement. Vous aurez un aperçu de l'ensemble du processus d'apprentissage automatique et, à la fin, vous disposerez d'un système de détection des fraudes entièrement fonctionnel.

Source : AWS

Quelques connaissances de base en Python sont nécessaires pour naviguer efficacement dans le projet. Cependant, le code est bien expliqué, vous devriez donc pouvoir suivre même si vous êtes encore en train d'apprendre Python.

7. Construire un système de recommandation dans Amazon Sagemaker

Dans le cadre de ce projet, vous allez former et déployer un système de recommandation utilisant les données d'évaluation des clients sur Amazon Sagemaker.

Ce projet présente les concepts fondamentaux utilisés dans la construction de systèmes de recommandation. Vous acquerrez une expérience pratique en utilisant des concepts d'apprentissage profond et SageMaker pour la formation et le déploiement de modèles évolutifs.

Les systèmes de recommandation sont largement utilisés dans le commerce électronique, la diffusion de contenu et d'autres secteurs, ce qui rend ce projet très pertinent et fournit un contexte réel aux compétences acquises.

8. Construire un pipeline de classification d'images avec Amazon Sagemaker et les données MXNet

Dans ce projet, vous construirez un pipeline de classification d'images avec Amazon Sagemaker.

Ce projet vous vous initier à la classification d'imagesune tâche fondamentale dans le domaine de la vision par ordinateur. Cependant, en utilisant Amazon Sagemaker pour faire tout le travail, vous pouvez vous concentrer sur la compréhension du flux de travail et des concepts clés sans vous soucier de créer vos propres modèles personnalisés.

Projets d'IA avec AWS

La deuxième partie des projets avancés est axée sur les solutions basées sur l'IA. L'IA générative, les grands modèles de langage et le ChatGPT dominent actuellement le marché de l'IA, ce qui en fait un bon moment pour perfectionner vos compétences en la matière.

Amazon Bedrock est un service sans serveur entièrement géré qui vous permet d'expérimenter et de déployer des solutions d'IA générative facilement et en toute sécurité.

Jetez un coup d'œil à cet atelier Amazon Bedrock pour une introduction à Bedrock et à son fonctionnement.

9. Construction d'un RAG multimodal à l'aide de modèles de base et d'AWS

Dans ce premier projet, vous construirez un RAG multimodal en utilisant des modèles de fondation hébergés sur Amazon Bedrock et Amazon Sagemaker.

L'objectif est d'extraire des informations contextuellement pertinentes à partir de tableaux, de graphiques et de textes dans des diaporamas (comme Microsoft PowerPoint, par exemple). C'est là qu'un RAG multimodal est particulièrement utile, lorsque vous disposez de données sous différents formats (comme des images ou du texte) et que vous devez en extraire des informations.

En travaillant avec des modèles de fondation sur Amazon Bedrock et SageMaker, vous pouvez acquérir une expérience pratique avec des outils d'IA de pointe. Savoir tirer parti de l'IA pour effectuer des extractions et des analyses de données complexes est une compétence très précieuse dans un grand nombre de secteurs et d'applications.

10. Construire un assistant LLM agentique sur AWS

Dans ce projet, vous construirez un assistant LLM agentique sur AWS en utilisant Bedrock, Lambda, Cognito, Aurora et S3.

Il s'agit d'un projet approfondi qui offre une exposition pratique à une architecture étendue à trois niveaux. Il démontrera également de manière réaliste comment une solution basée sur l'IA est développée et déployée sur une plateforme basée sur le cloud.

Ce projet couvre également les aspects critiques de l'authentification des utilisateurs avec Cognito et la gestion des données avec Aurora et S3, fournissant une compréhension complète du développement d'applications sécurisées et efficaces.

Source : AWS

Projets AWS DevOps

DevOps comprend cinq domaines principaux ou meilleures pratiques :

• Intégration et livraison continues
• Microservices
• L'infrastructure en tant que code
• Surveillance et journalisation
• Communication et collaboration

AWS offre des services qui répondent à tous ces domaines, ce qui en fait un bon choix pour apprendre et maîtriser si vous voulez construire une carrière dans le DevOps. Dans cette section, nous présentons des projets qui abordent trois des domaines susmentionnés en utilisant les services AWS.

11. Construire une application fullstack en utilisant ECS, Terraform et CodePipeline

Ce projet montre comment utiliser les services AWS pour créer une architecture robuste pour le déploiement d'une application full-stack.

Il met en évidence les avantages de l'utilisation des services de conteneurs gérés et de l'infrastructure en tant que code (IaC) pour un déploiement efficace et fiable des applications.

Vous obtiendrez une expérience pratique avec des services AWS clés tels que ECS pour la gestion des conteneurs, Terraform pour l'infrastructure en tant que code et CodePipeline pour CI/CD, vous dotant ainsi de compétences essentielles en matière de cloud.

En intégrant des pipelines d'intégration et de déploiement continus (CI/CD), ce projet vous initie également aux pratiques modernes de DevOps. Vous apprendrez à déployer des applications de manière plus fiable et plus efficace. Ces compétences sont essentielles pour maintenir un flux de travail fluide et automatisé dans les environnements de production.

Source : AWS

12. Création d'un système automatisé de rapports CloudWatchalarm

Ce projet vous guide dans la création d'un système automatisé de rapports d'alarme CloudWatch qui génère des rapports quotidiens sur les alarmes Amazon CloudWatch déclenchées dans une région AWS donnée. Le rapport, créé par une fonction AWS Lambda déclenchée par Amazon EventBridge, est enregistré sous forme de fichier CSV dans un seau S3 et envoyé par courriel via Amazon SES.

Ce projet vous initie à l'automatisation de tâches à l'aide de services AWS tels que Lambda, EventBridge et SES. Il montre comment rationaliser les processus de surveillance et de reporting, ce qui est un aspect important de DevOps.

Il démontre également comment intégrer plusieurs services AWS (Lambda, S3, SES) pour créer une solution cohérente, vous enseignant ainsi l'importance de l'orchestration des services dans les environnements cloud.

Source : AWS

13. Construire une application web conteneurisée en utilisant Amazon ECS et AWS Fargate

Ce projet consiste à la construction et le déploiement d'une application web conteneurisée en utilisant Amazon ECS et Fargate. L'application affiche des photos aléatoires de chats ou de chiens en fonction de la sélection de l'utilisateur.

Vous aurez une expérience pratique de la conteneurisation avec Docker et de l'orchestration avec Amazon ECS et Fargate.

AWS Fargate est un outil DevOps essentiel pour gérer et exécuter des conteneurs sans avoir à provisionner, configurer ou mettre à l'échelle des clusters de machines virtuelles.

Le projet couvre également les tests de charge, vous apprenant à évaluer et à garantir l'évolutivité et la fiabilité de vos applications web dans différentes conditions de trafic.

Source : AWS

Conclusion

Cet article présente une série de projets AWS conçus pour améliorer les compétences à tous les niveaux. Il met l'accent sur l'importance des projets concrets pour acquérir une expérience pratique et une maîtrise des services AWS, ce qui est essentiel pour diverses fonctions techniques.

Que vous souhaitiez faire carrière dans les technologies cloud ou simplement améliorer vos compétences sur AWS, les projets présentés dans cet article offrent de précieuses possibilités d'apprentissage.

Pour construire une carrière solide dans AWS, commencez par vous inscrire à notre programme Introduction à AWS puis progressez jusqu'à l'obtention de la obtenir une certification. Pour avoir un aperçu des possibilités de carrière et de salaire pour un poste de praticien du cloud AWSconsultez notre guide détaillé ci-dessous !