MLOps

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.

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


• Évaluation 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

- 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

Type de formation

Non certifiante

Sortie

Sans niveau spécifique