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)
- Ia et data science : conception et déploiement de microservices ia
.png&w=256&q=75)
Ia et data science : conception et déploiement de microservices ia
Objectifs
Programme
- Comprendre et appliquer les concepts fondamentaux de la Data Science et du Machine Learning dans le contexte des architectures microservices
- Concevoir et mettre en œuvre une architecture microservices intégrant l'Intelligence Artificielle, en accord avec les bonnes pratiques du domaine
- Mettre en place des stratégies efficaces pour la migration des applications monolithiques vers des architectures microservices basées sur l'IA
- Maîtriser le cycle de vie d'une application microservices, de sa conception à son déploiement, en passant par les phases de test, d'intégration continue et de déploiement continu (DevOps, MLOps, IAOps)
- Analyser et résoudre les problèmes couramment rencontrés dans l'élaboration et la gestion des architectures microservices, en particulier celles basées sur l'IA.
1. INTRODUCTION AUX MICROSERVICES ET À L'IA
- Contextualisation du projet de formation et prise en compte des besoins spécifiques de chaque participant
- Définition des objectifs personnels des participants
- Présentation des microservices et de leur utilité : flexibilité, scalabilité, résilience, aisance de déploiement, qualité de service
- Introduction à l'IA : définition, différences entre IA et développement traditionnel, machine learning vs deep learning
2. TECHNOLOGIES CLOUD ET MICROSERVICES
- Conteneurisation, orchestration, Infrastructure as Code (IaC)
- Technologies DevOps : Kubernetes, Docker, Ansible, Terraform, Jenkins
- Technologies MLOps / IAOps : MLflow, Kubeflow, services Cloud, plateformes d'analyse
- Travail pratique : prise en main d'Azure, conception d'une architecture microservices, déploiement avec des microservices simples et ajout de fonctionnalités basées sur l'IA
3. FONDAMENTAUX DE L'IA
- Approfondissement du fonctionnement de l'IA et de ses applications
- Présentation des grands modèles de langage : de GPT-1 à GPT-4
- Présentation de l'offre IA d'Azure : Cognitive Services, OpenAI
- Travail pratique : utilisation d'Azure Cognitive Services pour créer une application de reconnaissance d'images
4. DÉVELOPPEMENT DE MICROSERVICES AVEC L'IA
- Utilisation des API Azure Cognitive Services et OpenAI pour le développement de microservices
- Travail pratique : développement d'applications de vision par ordinateur pour le contrôle qualité, de reconnaissance vocale (speech-to-text), ou de modération de contenu
- Approfondissement des API Azure OpenAI : utilisation de ChatGPT et GPT-4, modèles de modération, aspects coûts, sécurité et confidentialité
- Travail pratique : développement d'applications de traitement du langage naturel (NLP) à base de GPT
5. DÉPLOIEMENT ET MAINTENANCE D'UNE ARCHITECTURE MICROSERVICES À BASE D'IA
- Introduction à DevOps / MLOps / IAOps
- Présentation des pipelines CI (intégration continue), CD (déploiement continu) et CT (apprentissage continu)
- Travail pratique : déploiement, surveillance et réapprentissage d'un modèle IA avec les pipelines CI-CD-CT
Public visé
Cette formation s'adresse à une variété de profils techniques et managériaux en quête d'approfondissement de leurs connaissances en Data Science et Machine Learning. Elle est particulièrement pertinente pour les développeurs, Data scientists et Data analysts qui souhaitent maîtriser la conception, le développement et le déploiement d'une architecture microservices basée sur l'Intelligence Artificielle.
Les ingénieurs Data et DevOps y trouveront une occasion de raffiner leurs compétences en matière de gestion de données et d'optimisation de processus.
En outre, les chefs de projets et les product managers IA, ainsi que les consultants BI / Big Data, qui cherchent à renforcer leur compréhension de l'IA et son intégration dans leurs projets, trouveront également cette formation très bénéfique.
Prérequis
Avoir des connaissances en langage de programmation Python.
Avoir des connaissances en Systèmes d'Information (SI).
Être à l'aise avec les concepts mathématiques de base.
Avoir une compréhension de base des principes de la statistique et de l'algèbre linéaire.
Être muni d'un ordinateur relié à Internet, possédant une caméra, un micro et un haut-parleur.
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.
Choisissez une date pour pouvoir réserver !
Autres formation Ia et data science : conception et déploiement de microservices ia
Autres formations disponibles :