Former les participants aux pratiques et aux outils de MLOps pour déployer, gérer et surveiller efficacement les modèles d'apprentissage automatique en production.
Module 1 : Introduction à MLOps
- Fondamentaux de MLOps : Concepts clés, rôles et responsabilités dans le cycle de vie des modèles ML.
- Processus de Développement ML : Workflow de développement et bonnes pratiques.
Module 2 : Déploiement de Modèles ML
- Conteneurisation des Modèles : Utilisation de Docker pour encapsuler les modèles ML.
- Orchestration avec Kubernetes : Déploiement et gestion des conteneurs pour le scaling et la gestion des modèles.
Module 3 : Automatisation et CI/CD
- Pipeline CI/CD pour ML : Automatisation du déploiement, des tests et de la validation des modèles.
- Gestion des Versions : Contrôle de version pour les modèles, les données et le code.
Module 4 : Surveillance et Maintenance des Modèles
- Monitoring des Performances : Outils et techniques pour surveiller les performances des modèles en production.
- Ré-entraînement Automatique : Stratégies pour le ré-entraînement et l'amélioration continue des modèles.
- Sécurité et Éthique en MLOps : Considérations importantes pour la sécurité des données et l'éthique dans le déploiement des modèles.
Attestation de formation
Non certificiante
Sans niveau spécifique
