MLOps

Objectifs

Former les participants aux pratiques et aux outils de MLOps pour déployer, gérer et surveiller efficacement les modèles d'apprentissage automatique en production.

Programme de la formation

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.

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique