MLOps : déploiement et gestion des modèles
Maîtriser les principes, pratiques et outils de MLOps pour industrialiser le cycle de vie des modèles ML (déploiement continu, monitoring, gestion des versions, automatisation du pipeline...).
Cette formation est disponible dans tous ces campus.
Campus Côte d'Azur
Campus Dubai
Campus Paris
Durée
14 jours
Heures de cours
55 heures
Format
Présentiel
Langue
Français
Course ID
IA-006
Public Concerné
Data Scientists, ML Engineers, DevOps Engineers, ingénieurs logiciels travaillant sur projets IA/ML, architectes Cloud/IA, responsables de la mise en production des modèles IA.
Pré-requis
Expérience en Data Science/ML et/ou en DevOps/Ingénierie logicielle. Connaissance Docker et CI/CD.
Méthodes Mobilisées
Principes MLOps (CI/CD/CT pour ML), conteneurisation des modèles (Docker), plateformes de déploiement (Cloud AI platforms, Kubernetes/Kubeflow...), monitoring des modèles en production (performance, dérive...), gestion du cycle de vie des modèles (versioning...), automatisation pipeline ML.
Moyens Pédagogiques
Supports de cours, plateformes Cloud (AWS SageMaker, Azure ML, GCP AI Platform - présentation/pratique), outils MLOps (MLflow, Kubeflow, DVC...), Docker, outils CI/CD (GitLab CI, Jenkins...), études de cas MLOps, bonnes pratiques d'industrialisation ML.
Modalités d'Évaluation
Mise en place d'un pipeline MLOps simple (entraînement, déploiement, monitoring de base) pour un modèle ML. Conteneurisation et déploiement d'un modèle sur une plateforme cible (simulation/pratique).
Amel R.
Représentante de la formation
Que vous soyez un particulier ou une organisation/un groupe à la recherche d'un programme, contactez-nous et nous vous aiderons à trouver la meilleure solution pour vous.