MLOps

Objectifs

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 de la formation

- 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

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique