Machine Learning Engineering for Production (MLOps)

PROGRAMMATION AVANCÉE - durée 21h


Web Scraping : 
Introduction au Web Scraping
Introduction aux langages web
Web Scraping avec la bibliothèque Beautiful Soup
Web Scraping de recherches Google

Système Linux et Script Bash : 
Présentation des systèmes Linux
Prise en main et utilisation d’un terminal
Mise en place de scripts Bash

Git et Github :
Introduction au système de contrôle Git
Découverte du travail collaboratif sur Git et Github
Gestion des projets Git avec le système de dépôts
Partage de fichiers et des projets grâce à la fonction push
Mise à jour de votre dépôt local grâce au pull
Participation à l’amélioration de projets publics
Introduction aux workflows ainsi qu’à leur automatisation grâce à Github Actions
Mise en place de tests unitaires avec Pytest
Introduction aux tests d’intégration et leurs fonctions
Présentation des avantages des tests


DATA OPS - ISOLATION - durée 29h

API :
Introduction aux APIs et découverte des architectures micro-services
Présentation des différentes méthodes HTTP et de leurs fonctions
Utilisation des librairies FastAPI et Flask pour développer des API
Documentation d’une API avec la spécification OpenAPI
Gestion des erreurs et des performances d’une API
Mettre en place la sécurité dans les API
avec Flask et FastAPI

Sécurisation des API :
Introduction à la sécurité des APIs et des clés API (API Keys)
Maîtrise de l’authentification HTTP Basique
Introduction aux JSON Web Token et  HTTPS

Docker :
Présentation de la conteneurisation et de son utilité par rapport à la virtualisation
Initiation au fonctionnement de Docker
Manipulation des images et des conteneurs
Communication avec les conteneurs
Persistance des données grâce aux volumes
Création d’une image Docker via Dockerfile
Partage des images sur le Dockerhub
Utilisation de docker-compose


DATA OPS - ORCHESTRATION - durée 18h

Kubernetes :
Déployer et gérer des conteneurs
Orchestrer plusieurs services et gérer les
montées en charge

Airflow :
Découverte des concepts d’Airflow
Présentation des principes de
l’orchestration et leur utilité
Graphe orienté acycliques ou DAG
(Directed Acyclic Graphs)
Opérateurs
Gestion des tâches par le biais
d’Operators spécifiques
Monitoring des DAGs via l’interface
graphique d’Airflow


MODELOPS - durée 8h

MLFlow :
Cycle de vie d’un projet de Machine
Learning
Data Preparation
Model training
Model deploying
Model serving
Présentation de l’architecture MLFlow

Acculturation Data (optionnel) :
RGPD et éthique dans la data
Les métiers de la data
Gérer une équipe data
Définitions des termes les plus utilisés en data