Aller directement au contenu
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

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.
Logo Accessibilité

Accessibilité

L'inclusion est un sujet important pour OCTO Academy.
Nos référent·es sont à votre disposition pour faciliter l'adaptation de votre formation à vos besoins spécifiques.

Notre politique accessibilité Contacter nos référent·es

Profil du formateur

Cette formation est dispensée par un·e ou plusieurs consultant·es d'OCTO Technology ou de son réseau de partenaires, expert·es reconnus des sujets traités.

Le processus de sélection de nos formateurs et formatrices est exigeant et repose sur une évaluation rigoureuse leurs capacités techniques, de leur expérience professionnelle et de leurs compétences pédagogiques.

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.

En l'absence de réponse d'un ou plusieurs participants, un temps sera consacré en ouverture de session pour prendre connaissance du positionnement de chaque stagiaire sur les objectifs pédagogiques évalués.

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

  • 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

Ce qu'en disent les participants

4.45 / 5
Satisfaction moyenne
Sur la base de 6 avis, collectés en fin de formation durant les 12 derniers mois.
100 %
recommandent cette formation
Sur la base de 6 avis, collectés en fin de formation durant les 12 derniers mois.

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

DSIND MLOps : industrialisation d’un projet de Data Science
Adopter les bonnes pratiques de développement pour la Data Science
Durée : 14 h / 2 j
Fondamentaux
 
 
 
 
Prochaine session : 06 février 2025
DSIN2 MLOps : mise en production d’un projet de Data Science
Favoriser le déploiement des changements de code, de données et de modèles en production
Durée : 21 h / 3 j
Avancé
 
 
 
 
Prochaine session : 26 mars 2025

Découvrez les profils métiers associés à cette formation

Data Scientist
La puissance prédictive au service des orientations stratégiques
Machine Learning Engineer
L'ingénierie logiciel au profit de vos projets de Data Science
Data Engineer
L'ingénierie de la donnée pour stimuler et favoriser l'innovation

Besoin d'aide pour trouver votre formation ?

Contactez-nous

Sessions & Inscriptions

Session partagée avec d'autres organisations

Prochaines sessions
  • du 12 au 14/03/2025
    Présentiel, Paris
    2 500,00 € HT
  • du 07 au 09/07/2025
    Présentiel, Paris
    2 500,00 € HT
  • du 20 au 22/10/2025
    Présentiel, Paris
    2 500,00 € 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