Nous utilisons des cookies pour vous fournir l'ensemble de nos services, notamment la recherche et les alertes. En acceptant, vous consentez à notre utilisation de ces cookies.
Choisir mes préférences
.png&w=3840&q=75)
- Machine learning : adopter les bonnes pratiques mlops
.png&w=256&q=75)
Machine learning : adopter les bonnes pratiques mlops
Objectifs
Programme
- Comprendre les enjeux de l'intégration et du déploiement continus dans le domaine du machine learning
- Savoir mettre en place des pipelines de données et de machine learning
- Être capable de monitorer et d'optimiser les modèles déployés
- Connaître les outils et les bonnes pratiques pour la gestion des modèles et des données
1. INTRODUCTION AU MLOPS
- Qu'est-ce que la philosophie MLOps ?
- Les différences avec DevOps
- Les enjeux et les bénéfices
- Les bonnes pratiques
2. LE MLOPS À TRAVERS DES CAS PRATIQUES
- Les différents types de pipelines : batch et streaming
- La gestion des données
- La gestion des modèles
3. MONITORING ET OPTIMISATION DES MODÈLES
- Les métriques de performance
- Les outils de monitoring
- Les techniques d'optimisation
4. DEPLOIEMENT DE MODELE
- Le packaging d’un modèle
- Les différentes façons de déployer un modèle
- Serverless, hébergement dédié, API
Public visé
Cette formation s'adresse aux professionnels de la data, devOps et IT souhaitant mettre en place des processus MLOps.
Prérequis
Être muni d’un ordinateur relié à Internet, possédant une caméra, un micro et un haut-parleur.
Connaissances en machine learning
Connaissances en DevOps et en infrastructure
Notions en programmation (Python recommandé)
Méthodes pédagogiques
L’approche pédagogique a été construite sur l’interactivité et la personnalisation : Présentation illustrée et animée par le Formateur Expert, partage d’expériences, études de cas, mise en situation réelle.
Tous les supports sont fournis par support papier, mail ou clé USB à chaque stagiaire.
Méthodologie pédagogique employée :
Chaque formation en présentiel ou en distanciel est animée par un Formateur Expert Métier sélectionné selon ses compétences et expériences professionnelles. Apport d’expertise du Formateur, quiz en début et fin de formation, cas pratiques, échanges d’expérience. Accès en ligne au support de formation.
Modalités d'évaluation
Méthodes utilisées et évaluation :
Evaluation et positionnement lors de la définition du projet pédagogique avec le(s) stagiaire(s). Un QCM est donné aux stagiaires le dernier jour de la formation pour valider leurs apprentissages. Une correction collective est effectuée par le Formateur. Une évaluation de fin de stage en direct est organisée entre le Formateur et le(s) stagiaire(s) pour recueillir et prendre en compte leurs appréciations. Une attestation de fin de stage est remise aux stagiaires.
Autres formation Machine learning : adopter les bonnes pratiques mlops
Sessions à la demande
Voir les formations de la même catégorieAutres formations disponibles :