Aller au contenu principal

Déployez votre modèle de machine learning - bootcamp en anglais

Date de mise à jour :
Identifiant Offre Info : 14_AF_0000280125
Organisme responsable : OPENCLASSROOMS (ouvre dans un nouvel onglet)

Nouvelle recherche

Présentation de la formation

Objectifs

Vous apprendrez à gérer l'ensemble du cycle de vie d'un modèle de machine learning, de son entraînement initial à son suivi en production. Vous découvrirez les bonnes pratiques de monitoring, d'automatisation des pipelines et de déploiement via API. Vous explorerez également l'univers des LLM et des systèmes RAG, pour évaluer leurs performances et structurer des pipelines reproductibles. Enfin, vous consoliderez vos compétences en créant un moteur de recommandation appliqué…

Vous apprendrez à gérer l'ensemble du cycle de vie d'un modèle de machine learning, de son entraînement initial à son suivi en production. Vous découvrirez les bonnes pratiques de monitoring, d'automatisation des pipelines et de déploiement via API.
Vous explorerez également l'univers des LLM et des systèmes RAG, pour évaluer leurs performances et structurer des pipelines reproductibles. Enfin, vous consoliderez vos compétences en créant un moteur de recommandation appliqué à l'agriculture de précision, en intégrant des pipelines MLOps et des outils modernes comme MLflow et le CI/CD.
Ce que vous apprendrez :
  • Gérer le cycle de vie d'un modèle de machine learning, de l'entraînement au suivi en production ;
  • Déployer et monitorer un modèle via API et dans le cloud ;
  • Évaluer des systèmes RAG et LLM, en appliquant les bonnes pratiques de validation et de test ;
  • Concevoir un moteur de recommandation multi-sources, appliqué à un cas d'usage concret ;
  • Utiliser des outils essentiels comme MLflow et le CI/CD pour automatiser vos workflows et renforcer leur fiabilité.
Vous maîtriserez les technologies et langages techniques les plus recherchés :
API, Cloud (AWS, Azure, Google Cloud), Computer Vision, Deep Learning, Git, GitHub, MLflow, MLOps, NLP, LangChain, pipelines CI/CD, Python (Jupyter Notebook).

Programme de la formation

Une pédagogie basée sur la pratique, avec 4 projets professionnalisants :
  • Prise en main des fondamentaux du MLOps (partie 1/2)
  • Validation de vos compétences en MLOps (partie 2/2)
  • Évaluation des performances d'un LLM
  • Conception d'un système de recommandation pour une agriculture pilotée par la donnée

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Niveau de sortie

Bac + 3 et 4

Durée, rythme, financement

Financement

Conventionnement
Oui

Conditions d'accès

Public visé

  • Tout public

Niveau d'entrée

Bac + 3 et 4

Conditions spécifiques et prérequis

Academic prerequisites : - Bachelor's degree in Data Science, Data Analytics, Computer Science, Statistics, Mathematics, Engineering, or related fieldOR - One or more of the following professional certifications or equivalent/higher-level certifications:• Microsoft Azure AI Fundamentals (AI-900)• Microsoft Azure Data Fundamentals (DP-900)• Microsoft Certified: Azure Data Scientist Associate (DP-100)• AWS Certified Cloud Practitioner• Google Cloud Digital LeaderOR - Completion of all three of the following courses: • Learn Python Basics for Data Analysis • Perform an Initial Data Analysis • Use Python Libraries for Data Science Language prerequisites : - A good level of English for non-native speakers : you will need to provide a certificate not older than 2 years to demonstrate a minimum level of English B2.? Certificates accepted: - ? English Diploma from a secondary institution (private or public) or an accredited higher learning institution? Linguaskill minimum score: 160? BULATS minimum score: 60? TOEIC minimum score: 785? IELTS minimum score: 6.5? TOEFL iBT minimum score: 88

Lieu de réalisation de l'action

Modalités d'enseignement

Formation entièrement à distance

Adresse

Périodes prévisibles de déroulement des sessions

Début

Fin

Adresse d'inscription
OPENCLASSROOMS
75001 Paris 1er
État du recrutement
Ouvert
Modalités
Entrées / Sorties à dates fixes