# Formation MLOps : déployer des modèles ML | aprestIA

> Formation MLOps de 4 jours : conteneurs, CI/CD, suivi d'expériences, monitoring et dérive. Pour ingénieurs data et DevOps.

Source : https://aprestia.fr/formation/mlops-deployer-modeles-production

[Accueil](https://aprestia.fr/) / [Formation](https://aprestia.fr/formation) / Intelligence artificielle

Intelligence artificielle Avancé Inter 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

En résumé

Référence FOR-222

Durée 4 jours (28 h)

Format Distanciel · inter ou intra

Niveau Avancé

Public Data scientists, ingénieurs ML, DevOps

Prérequis Python, Docker et machine learning

Validation Attestation de fin de formation

1790 € HT par personne en inter · équipe sur devis

[S’inscrire en inter](https://aprestia.fr/contact?intent=formation&formation=mlops-deployer-modeles-production&mode=inter)

[Former mon équipe](https://aprestia.fr/contact?intent=formation&formation=mlops-deployer-modeles-production&mode=intra)

[Demander un devis](https://aprestia.fr/contact?intent=formation&formation=mlops-deployer-modeles-production&mode=devis)

Une personne, un groupe ou toute l’entreprise : on répond sous 24 h ouvrées. Financement OPCO vérifié ensemble, jamais promis.

01

## 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

02

## 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

03

## 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

04

## 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

05

## 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 ?

OPCO vérifié ensemble, jamais promis

## D’autres formations du catalogue

[Intelligence artificielle ChatGPT et IA générative pour les professionnels 1 jour (7 h) · 690 € HT Voir la fiche](https://aprestia.fr/formation/initiation-ia-generative) [Intelligence artificielle Prompt engineering : maîtriser l'art du prompt 2 jours (14 h) · 790 € HT Voir la fiche](https://aprestia.fr/formation/prompt-engineering-maitriser-art-prompt) [Intelligence artificielle Microsoft 365 Copilot : productivité au quotidien 1 jour (7 h) · 490 € HT Voir la fiche](https://aprestia.fr/formation/microsoft-365-copilot-productivite-quotidien)

## Cette formation, pour vous ?

Une personne en session inter, une équipe en intra, ou un parcours sur mesure pour toute l’entreprise : dites-nous lequel, on répond sous 24 h ouvrées.

[S’inscrire une personne](https://aprestia.fr/contact?intent=formation&formation=mlops-deployer-modeles-production&mode=inter) [Former un groupe](https://aprestia.fr/contact?intent=formation&formation=mlops-deployer-modeles-production&mode=intra) [Demander un devis](https://aprestia.fr/contact?intent=formation&formation=mlops-deployer-modeles-production&mode=devis)