Aller directement au contenu
Formation officielle
Format : Stage pratique
Niveau Avancé
Répartition du temps : 60% exposés
30% pratique
10% échanges

La formation en détails

Description

Ce cours étend les pratiques DevOps répandues dans le développement de logiciels au domaine de la Data Science. 

 

Ainsi, vous pourrez entraîner et déployer des modèles d'apprentissage automatique (Machine Learning) tout en suivant leur performance dans le temps, et ainsi obtenir un système de Data Science en production.

 

Cette formation met l'accent sur l'importance des données, du modèle et du code pour la réussite des modèles de ML en production. Vous découvrirez les  différents outils et processus d'automatisation ainsi que de la méthodologie et de l'organisation d'équipe pour gérer tout le cycle de vie d'un projet de Data Science.

Objectifs

  • S'approprier les notions d'Ops, de DevOps et de MLOps
  • Créer un pipeline automatisé pour entraîner et déployer en production un modèle de ML
  • Interagir avec son modèle de ML déployé
  • Découvrir les différentes stratégies de déploiement et de scaling
  • Détecter les drifts de son modèle de ML
  • Mesurer la performance de son modèle de ML

Public cible

  • Data Scientist
  • Data Engineer
  • Machine Learning Engineer 
  • Ingénieur Devops

Prérequis

Modalités pédagogiques

Formation avec apports théoriques, échanges sur les contextes des participants et retours d'expérience pratique des formateurs, complétés de travaux pratiques et de mises en situation.

Profil du formateur

Toutes nos formations sont animées par des consultants-formateurs expérimentés et reconnus par leurs pairs.

Modalités d'évaluation et de suivi

L'évaluation des acquis se fait tout au long de la session au travers des ateliers et des mises en pratique.

Afin de valider les compétences acquises lors de la formation, un formulaire d'auto-positionnement est envoyé en amont et en aval de celle-ci.

Une évaluation à chaud est également effectuée en fin de session pour mesurer la satisfaction des stagiaires et un certificat de réalisation leur est adressé individuellement.

Programme détaillé

Jour 1

 

INTRODUCTION

 

INTRODUCTION A LA NOTION DE MLOPS

  • Objectifs du MLOps
  • Communication entre les équipes
  • De DevOps à MLOps
  • ML Workflow
  • Scope
  • Cas MLOps

 

DÉVELOPPEMENT MLOPS

  • Introduction pour créer, entraîner et évaluer des modèles d'apprentissage automatique
  • Sécurité MLOps
  • Automatisation
  • Apache Airflow
  • Intégration Kubernetes pour MLOps
  • Amazon SageMaker pour MLOps
  • Lab : “Apporter son propre algorithme à un pipeline MLOps”
  • Démonstration : Amazon SageMaker
  • Introduction pour créer, entraîner et évaluer des modèles d'apprentissage automatique
  • Atelier : “Coder et server son modèle de ML avec AWS CodeBuild”
  • Activité : MLOps Action Plan Workbook

 

Jour 2

 

DÉPLOIEMENT MLOPS

  • Introduction aux opérations de déploiement
  • Packaging du modèle
  • Inférence
  • Lab : “Déployer son modèle en production”
  • Variantes d'environnements de production avec SageMaker
  • Stratégies de déploiement
  • Déploiement sur edge
  • Laboratoire : “Effectuer des tests A/B"
  • Activité : MLOps Action Plan Workbook

 

Jour 3

 

SURVEILLANCE ET OPÉRATIONS DU MODÈLE

  • Atelier : “Résoudre les problèmes liés à son pipeline”
  • L'importance du monitoring
  • Surveillance dès la conception
  • Lab : ”Surveiller son modèle de ML”
  • Humain dans la boucle
  • Monitorer les modèles avec Amazon SageMaker
  • Démonstration : Amazon SageMaker Pipelines, Model Monitor, Model Registry et Feature Store
  • Activité : MLOps Action Plan Workbook 

 

CONCLUSION

  • Bilan de la formation
  • Questions/réponses
  • Evaluation

Nos autres formations du domaine « Data » Toutes les formations du domaine

AWSPI AWS : utiliser le pipeline de Machine Learning sur AWS
Formation officielle The Machine Learning Pipeline on AWS
Nouveau Certifiant
Durée : 28 h / 4 j
Avancé
 
 
 
 
Prochaine session : 07 octobre 2024
AWSSM AWS : Data Science en pratique avec Amazon SageMaker
Formation officielle "Practical Data Science with Amazon SageMaker"
Nouveau
Durée : 7 h / 1 j
Fondamentaux
 
 
 
 
Prochaine session : 25 avril 2024

Découvrez les profils métiers associés à cette formation

Machine Learning Engineer
L'ingénierie logiciel au profit de vos projets de Data Science

Besoin d'aide pour trouver votre formation ?

Contactez-nous

Sessions & Inscriptions

Session partagée avec d'autres organisations

Prochaines sessions
  • du 22 au 24/05/2024
    Présentiel, Paris
    2 370,00 € HT
  • du 02 au 04/10/2024
    Présentiel
    2 370,00 € HT
Durée
21 h / 3 j

Demander un devis Nous contacter
Télécharger le programme

Organiser une session dédiée à votre organisation

Durée
21 h / 3 j

Vous avez plusieurs collaborateurs à former ?

Cette formation peut être organisée
sous la forme de sessions dédiées
aux membres de votre organisation.

Demander un devis Nous contacter Télécharger le programme

Personnaliser cette formation

Cette formation vous intéresse
et vous souhaitez l'adapter pour
vos collaborateurs ?

Nos formateurs et notre équipe pédagogique sont à
votre disposition pour en discuter
et vous proposer un programme sur-mesure.

Nous contacter Télécharger le programme

OCTO Academy respecte votre vie privée

Ce site web stocke des informations vous concernant via le dépôt de cookie afin de mesurer l’audience du site. Ces données de navigation sont anonymisées.

En cliquant sur « OK pour moi », vous manifestez votre consentement pour le dépôt de ces cookies.

Lire la politique de confidentialité

À propos des cookies

Sur ce site, nous utilisons des cookies pour mesurer notre audience, entretenir la relation avec vous et vous adresser de temps à autre du contenu qualitif ainsi que de la publicité. Vous pouvez sélectionner ici ceux que vous autorisez à rester ici.

Cookies