Intelligence artificielleAvancéInter ou intra

Formation MLOps : industrialiser vos modèles de machine learning

Industrialiser, déployer et superviser des modèles de machine learning

4 jours (28 h)
Data scientists, ingénieurs ML, DevOps
Distanciel · inter ou intra
Prérequis : Python, Docker et machine learning
Niveau : Avancé

Objectifs pédagogiques

À l’issue de la formation, vous saurez :

Packager un modèle
Automatiser avec CI/CD
Suivre les expériences et versions
Surveiller dérive et performance

Programme détaillé

4 jours (28 h) · horaires ajustables en intra.

Module 1

Cycle de vie ML

Module 2

Conteneurisation

Module 3

Suivi d'expériences

Module 4

Pipelines CI/CD

Module 5

Serving et API

Module 6

Monitoring et dérive

Module 7

Projet de bout en bout

À qui s’adresse cette formation

Public, niveau et prérequis.

Public visé: Data scientists, ingénieurs ML, DevOps
Niveau: Avancé
Prérequis: Python, Docker et machine learning

Méthodes, évaluation et débouchés

Comment la formation se déroule, et ce qu’elle délivre.

Méthodes pédagogiques et évaluation

Projet fil rouge
revue d'architecture

Validation

Attestation de fin de formation

Débouchés

Ingénieur MLOps, ML engineer, DevOps data

Financement

OPCO vérifié ensemble, jamais promis

Questions fréquentes

Les réponses courtes.

Quelle différence entre DevOps et MLOps?

Le MLOps ajoute la gestion des données, des modèles et de leur dérive en production aux pratiques DevOps.

En inter ou en intra-entreprise ?

Les deux. Distanciel · inter ou intra — en intra, le contenu et les exercices s’adaptent à vos outils et à vos cas d’usage réels.

Cette formation est-elle finançable ?