MLOps : mise en production d'un projet de Data Science

S'approprier les pratiques MLOps pour industrialiser son projet de Machine Learning Savoir découper un projet de Machine Learning en différentes briques et les organiser Construire l'architecture applicative d'un projet Data Science Déployer son application de Machine Learning en production et interagir avec Maintenir un flux continu de données pour alimenter son application de Machine Learning Mesurer et évaluer les performances de son application de Machine Learning

L'industrialisation du code du projet de Data Science n'est qu'une étape parmi d'autres pour réaliser la mise en production du système et le faire évoluer. En effet, une fois ce premier pas franchi, il s'agira alors de mettre en place un mécanisme d'orchestration, mais aussi d'être capable de déployer régulièrement, et de suivre le comportement du système sur la durée. Jour 1 : Clarification de l'approche MLOPS Introduction à la CI / CD Pyramide de tests Cloud & infrastructure AS CODE Orchestration Jour 2 : Artefacts Déploiement Exposition Jour 3 : Mise en pratique : "passer d'un modèle one-shot à un modèle qui prédit toutes les minutes" A partir d'un flux de données disponibles, mettre en place les outils nécessaires pour faire une prédiction par minute Feeback LOOPS Monitoring Amélioration continue Bilan et clôture Aujourd'hui encore, trop de modèles de Machine Learning ne sont pas déployés en production et demeurent dans les data labs. Une solution à ce problème consiste à réunir les équipes de data science et d'informatique autour du concept de MLOps. Tout au long de cette formation, vous profiterez de la riche expérience de nos consultants-formateurs pour mettre en oeuvre les pratiques de la Data Science en production. Vous vous approprierez les outils et le processus transversal, collaboratif et itératif MLOps pour réduire le délai de votre mise sur le marché tout en améliorant continuellement la valeur ajoutée pour vos utilisateurs. Le MLOps prend notamment en charge l'intégration continue, ainsi que le déploiement rapide et reproductible des modèles.

Attestation de suivi de présence

Connaissances de base en programmation et en scripting Avoir suivi la formation "MLOps : industrialisation d un projet de Data Science" (DSIND) ou savoir tester une application python Avoir suivi la formation "Fondamentaux de la Data Science" (DSFDX) ou savoir modeliser et developper un probleme de Data Science simple