MLOps: Déploiement de Machine Learning en Production
Taux de satisfaction :
9,4/10
(1 avis)
Formation créée le 18/07/2023. Dernière mise à jour le 01/09/2023.
Version du programme : 1
Programme de la formation
Objectif de formation: Les participants apprendront les meilleures pratiques, les outils et les techniques pour gérer le cycle de vie complet des modèles de Machine Learning, de leur développement à leur déploiement et leur maintenance dans des environnements de production.
Objectifs de la formation
- Comprendre les principes et les concepts clés du MLOps pour le déploiement de Machine Learning en production
- Maîtriser les étapes du cycle de vie des modèles de Machine Learning, de la préparation des données à la maintenance en production
- Utiliser des outils et des techniques pour le déploiement efficace des modèles de Machine Learning
- Gérer la performance, la sécurité, l'éthique et la conformité des modèles déployés
- Acquérir une vision globale de l'approche MLOps et de ses implications pratiques
Profil des bénéficiaires
Pour qui
- data scientists
- ingénieurs en Machine Learning
- développeurs
- responsables de projets en IA
- architectes de données
- toute personne impliquée dans le déploiement de modèles de Machine Learning en production
Prérequis
- Une connaissance de base des concepts de Machine Learning et de la programmation est recommandée
Contenu de la formation
-
Introduction au MLOps (3 heures)
- Les principes clés du MLOps et son importance dans le déploiement de Machine Learning en production
- Les défis et les considérations spécifiques liés à la mise en production des modèles de Machine Learning
- Les concepts de gestion du cycle de vie des modèles et l'approche DevOps pour le Machine Learning
-
Préparation des Données et Entraînement des Modèles (5 heures)
- Les bonnes pratiques pour la préparation et la gestion des données d'entraînement
- Les techniques de validation croisée et d'évaluation des modèles
- L'utilisation d'outils et de frameworks pour l'entraînement efficace des modèles
- Travaux pratiques : Préparation des données et entraînement de modèles de Machine Learning
-
Déploiement des Modèles de Machine Learning (6 heures)
- Les différents types de déploiement des modèles (ex. : déploiement en tant que service, déploiement sur le cloud, déploiement sur des appareils embarqués)
- Les techniques de conteneurisation des modèles pour une portabilité et une scalabilité optimales
- La gestion des versions, la surveillance et les tests des modèles déployés
- Travaux pratiques : Déploiement de modèles de Machine Learning en utilisant des outils et des plateformes
-
Gestion et Maintenance des Modèles Déployés (4 heures)
- Les stratégies de gestion des versions et de mise à jour des modèles en production
- La surveillance de la performance des modèles et la détection des dégradations
- La rétroaction des utilisateurs et l'amélioration continue des modèles déployés
- Travaux pratiques : Gestion et maintenance des modèles déployés en production
-
Sécurité, Éthique et Conformité dans le MLOps (3 heures)
- Les considérations de sécurité liées aux modèles de Machine Learning en production
- Les défis éthiques et les bonnes pratiques pour l'utilisation responsable des modèles
- La conformité aux réglementations en matière de protection des données et de confidentialité
- Travaux pratiques : Évaluation des aspects de sécurité, d'éthique et de conformité dans le déploiement de modèles
Équipe pédagogique
Professionnel expert technique et pédagogique.
Suivi de l'exécution et évaluation des résultats
- Feuilles de présence
- Mises en situation
- Formulaires d'évaluation de la formation
- Certificat de réalisation de l’action de formation
- Émargement numérique
Ressources techniques et pédagogiques
- Documents supports de formation projetés
- Exposés théoriques
- Etude de cas concrets
- Mise à disposition en ligne de documents supports à la suite de la formation
- Espace intranet de formation
Qualité et satisfaction
Taux de satisfaction des stagiaires
Progression des compétences visées
Taux d'abandon
Taux de retour des enquêtes
Taux d'interruption en cours de prestation
Taux de satisfaction des apprenants
9,4/10
(1 avis)