Aller au contenu principal

MLOps

Date de mise à jour :
Identifiant Offre Info : 14_AF_0000130842
Organisme responsable : Data Value (ouvre dans un nouvel onglet)

Nouvelle recherche

Présentation de la formation

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 -…

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 de la formation

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…

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

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Niveau de sortie

Sans niveau spécifique

Durée, rythme, financement

Durée

En centre

28 h

Financement

Conventionnement
Non

Conditions d'accès

Public visé

  • Tout public

Niveau d'entrée

Sans niveau spécifique

Conditions spécifiques et prérequis

Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont les formations Python - Bases et introduction aux librairies scientifiques et Machine Learning ou d'avoir atteint par la pratique un niveau équivalent

Lieu de réalisation de l'action

Modalités d'enseignement

Formation entièrement en présentielle

Adresse

54 Rue du Faubourg Saint-Antoine
75012 Paris 12e

Responsable : A&O Expertise

Périodes prévisibles de déroulement des sessions

Début

Fin

Adresse d'inscription
Data Value
31670 Labège
État du recrutement
Ouvert
Modalités
Entrées / Sorties à dates fixes