MLOps

Data Value

Non finançable CPF
Tout public
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
Prix
3120 €
Durée
Nous contacter
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
En savoir plus sur les localités en présentiel
Cette formation est disponible dans les centres de formation suivants:
  • 75 - Paris 12e
Cette formation peut être dispensée dans votre entreprise dans les localités suivantes :
  • 75 - Paris
  • 77 - Seine-et-Marne
  • 78 - Yvelines
  • 91 - Essonne
  • 92 - Hauts-de-Seine
  • 93 - Seine-Saint-Denis
  • 94 - Val-de-Marne
  • 95 - Val-d'Oise
Objectifs
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.


Compétences visées

- Connaître les différentes étapes de vie du modèle et de la donnée après le Proof Of Concept (POC)

- Connaître les méthodes de réduction de dimensions d'un modèle pour le passage à l'échelle

- Connaître les différentes plateformes de production

- Savoir mettre en place des algorithmes d'explicabilité d'un modèle

- Avoir des notions sur l'embarquabilité

- Avoir des notions sur l'entrainement de larges modèles de façon distribuée
Programme
Programme

- 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
Haut de page