DSIN3 MLOps : Run et évolutivité de modèles de Machine Learning
Savoir garantir la performance du modèle de Machine Learning dans la durée

Nouveau Exclusivité
Format : Stage pratique
Niveau Expert
 
 
 
 
Répartition du temps : 40% exposés
40% pratique
20% échanges

La formation en détails

Description

Une fois le déploiement des modèles de Machine Learning en production automatisé, se pose alors la question du maintien en condition opérationnelle de ceux-ci.

Comment s'assurer que ces modèles restent performants et fiables sur la durée ? Comment gérer les versions et planifier sa maintenance sans incidence de performance et qualité ? Quelle gouvernance mettre en place ?

Pour relever ces challenges, nos experts OCTO du MLOps, ont conçu ce module de 3 jours, destiné aux ML Engineers et Data Scientits, pour s'approprier l'approche MCO, afin de faire évoluer dans les meilleures conditions ses modèles de Machine Learning en production et d'en monitorer en temps réel les performances. Enfin vos équipes verront les différents modèles d'organisation pour le run et apprendront comment faire évoluer sans incident votre application.

Objectifs

  • S'avoir assurer le run au quotidien de modèle de Machine Learning
  • Avoir conscience des problématiques organisationnelles, légales, vis à vis du MCO de modèle de Machine Learning
  • Savoir améliorer continuellement les modèles de Machine Learning et l'architecture applicative sans causer d'incident de production
  • Mettre en place une gouvernance de modèle de Machine Learning pour l'organisation et pour être conforme avec les obligations réglementaires
  • Minimiser les coûts économiques, humains et environnementaux des modèles en production

Public cible

  • MLEngineer
  • MLOps
  • Data scientist maintenant des applications en production

Prérequis

Avoir suivi au préalable la formation “MLOps : industrialisation avancée d'un projet de Data Science” (DSIN2)

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 dispensées par des consultants-formateurs et consultantes-formatrices dont l'expérience et l'expertise sont reconnues 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. Une évaluation à chaud sur la satisfaction des stagiaires est réalisée systématiquement en fin de session et une attestation de formation est délivrée aux participants mentionnant les objectifs de la formation, la nature, le programme et la durée de l'action de formation ainsi que la formalisation des acquis.

Programme détaillé

Jour 1
INTRODUCTION
  • Les différents types de problème que l'on peut rencontrer en Machine Learning
  • Les différents types d'erreurs
  • Mise en pratique : "Visualiser différents types d'erreurs"

ASSURER LE RUN AU QUOTIDIEN D'UN POINT DE VUE TECHNIQUE
  • Définition des concepts MCO, SLI, SLO et SLA
  • Focus sur la qualité de données pour la Data Science
  • Mise en pratique : "mettre en place un outil de suivi de la qualité des données"
  • Le monitoring et l'alerting
  • Mise en pratique : "Créer et implémenter des alertes"

Jour 2
RAPPELS ET RÉVISION DU JOUR 1

ASSURER LE RUN AU QUOTIDIEN D'UN POINT DE VUE TECHNIQUE (SUITE)
  • Sécurité des modèles
  • Mise en pratique : "Gérer une simulation de failles de sécurité"
  • Démarche de scalabilité d'une application de ML
  • Mise en pratique : "Mettre en place un scale"
  • Choisir une stratégie de réentrainement
  • Mise en pratique : "Automatiser le réentrainement et le déclencher en considérant une règle"

LE RUN AU NIVEAU DE L'ENTREPRISE
  • Différents modèles organisationnels du run
  • Mise en place d'une gouvernance de modèles : introduction à l'AI Act
  • Minimisation des coûts financiers, humains, environnementaux (FinOps, Light MLOps)
  • Mise en pratique : "Identifier les opportunités de minimisation des coûts sur le TP"

Jour 3
RAPPELS ET RÉVISION DES PRÉCÉDENTS JOURS

FAIRE ÉVOLUER MON APPLICATION
  • Stratégies de déploiement / roll-out
  • Mise en pratique : "Déployer un nouveau modèle sans downtime"
  • Faire évoluer un contrat d'interface
  • Mise en pratique : "Proposer une implémentation d'A/B testing"
  • Garder l'humain dans la boucle
  • Différents patterns d'architecture : serverless, architecture type par cloud provider, architecture des outils de MLOps, déploiement sur Edge (...)
  • Mise en pratique : "Rédiger un Architecture Decision Record (ADR)"

BILAN ET CLÔTURE DE SESSION
  • Synthèse des points abordés
  • Partage sur la formation
  • Questions/Réponses additionnelles

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

DSCIT Citizen Data Scientist : niveau 1
S'initier à la pratique de la Data Science sur une plateforme analytique pour étendre son expertise métier
Data & AI / Data Science
Durée : 14 h / 2 j
Fondamentaux
 
 
 
 
Prochaine session : 09 novembre 2023
DSFDX Fondamentaux de la Data Science
S'initier à la pratique de la Data Science et constituer sa première boîte à outils de Data Scientist
Meilleure vente
Data & AI / Data Science
Durée : 21 h / 3 j
Fondamentaux
 
 
 
 
Prochaine session : 11 septembre 2023
DSNVA Data Science : niveau avancé
Approfondir des concepts avancés de machine learning et enrichir sa boîte à outils de Data Scientist
Data & AI / Data Science
Durée : 21 h / 3 j
Avancé
 
 
 
 
Prochaine session : 12 juin 2023
NLPSR Intelligence Artificielle : Natural Language Processing (NLP) & Speech Recognition
Devenir un expert du langage écrit et parlé avec python
Data & AI / Data Science
Durée : 21 h / 3 j
Avancé
 
 
 
 
Prochaine session : 12 juin 2023
DSETI Data Science : s’approprier les bonnes pratiques de l'Intelligence Artificielle Responsable
Appréhender les enjeux éthiques et favoriser l'interprétabilité et la vigilance des modèles de Machine Learning
Data & AI / Data Science
Durée : 7 h / 1 j
Fondamentaux
 
 
 
 
Prochaine session : 08 décembre 2023
GREAI Green AI : l’intelligence artificielle responsable
Concevoir des modèles de Machine Learning en visant un équilibre entre performance et frugalité
Nouveau Exclusivité
Data & AI / Data Science
Durée : 14 h / 2 j
Avancé
 
 
 
 
Prochaine session : 14 novembre 2023

Besoin d'aide pour trouver votre formation ?

Contactez-nous

Sessions & Inscriptions

Session partagée avec d'autres organisations

Prochaines sessions
  • du 28 au 30/06/2023
    Présentiel
    2 490,00 € HT
  • du 22 au 24/11/2023
    Présentiel
    2 490,00 € 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

Non, merci
Je choisis
OK pour moi
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.

Retour
Tout accepter
Terminer
Cookies