Objectifs
Résultats attendus
Résultats attendus
Attestation de formation
Objectifs de la formation
Objectifs de la formation
Maîtrisez l'approche MLOps (Machine Learning Operations) pour concevoir des modèles d'apprentissage machine adaptés à leur déploiement en production puis les maintenir tout au long de leur cycle de vie.
Domaines
Domaine(s)
Langage Python
Data science
Contenu
Contenu
- La vie après le Proof Of Concept (POC) - 1 jour
- Qu’est ce que le MLOps ?
- Cycle de vie de la data
- Tour d’horizon des différentes plateformes de production
- La malédiction de la dimensionnalité
- Choix techniques de la mise en production
- Présentation de plateformes d’embarquabilité
- Les étapes de mise en production de modèles de Deep Learning - 1 jour
- Algorithmes de réduction de dimension
- Pruning
- Quantization
- Evaluation des performances du modèle après réduction
- Explicabilité du modèle avec les algorithmes LIME et SHAP
- Présentation d’architectures pour l’entrainement de larges modèles en distribué
- Prise en main de Docker - 1 jour
- Présentation de Docker
- Mise en pratique avec le déploiement d’un modèle avec FastAPI et Docker
- Prise en main de Kubernetes - 1 jour
- Présentation de Kubernetes
- Présentation de KubeFlow
- Mise en pratique de déploiement d’un modèle