Formation MLOps
Public admis
- Salarié en Poste
- Demandeur d'emploi
- Entreprise
- Etudiant
Financements
Eligible CPF Votre OPCO Financement personnel
Objectifs de la formation
- Définir les concepts clés de MLOps
- Maîtriser l'ingénierie en Machine Learning
- Appliquer des techniques de compression des modèles
- Analyser et corriger les erreurs des modèles
- Déployer et mettre à l'échelle des modèles ML
| Tarif |
A partir de 1 500,00 € |
| Durée | 2 jours |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
| Tarif |
A partir de 1 500,00 € |
| Durée | 2 jours |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
Description
Découvrez notre formation MLOps, conçue pour les professionnels de l'IT. Avec un accent sur l'application pratique, cette formation permettra aux participants de s'approprier les meilleures pratiques MLOps, des techniques de compression au déploiement en production. Ils apprendront à évaluer, tester et déployer efficacement des modèles ML, tout en maîtrisant les outils et pratiques essentiels. Rejoignez-nous pour transformer vos compétences en MLOps et rester à la pointe de l'industrie IT !
Programme
Introduction à la formation MLOps
Définition et objectifs de MLOps
Les défis du développement et de l’exploitation des modèles de machine learning
L’importance de MLOps dans l’industrie
Le cycle de vie DevOps pour les modèles de machine learning
Ingénierie en Machine Learning
Création de pipelines reproductibles
Utilisation d’un registre de modèles
Utilité des métadonnées et les moyens de les gérer facilement
Concept de CI/CD adapté au Machine Learning
Techniques de compression
Enjeux de la compression : déploiement sur terminal léger et gains d’efficience
Utilisation de LoRA pour apprendre des modèles de langue affinés
Quantization & pruning pour réduire la taille des modèles
Analyse d’erreur
L’analyse par tranches de données
Explicabilité des modèles avec LIME & SHAP
Mesurer et contrer la dérive des données et des concepts en production
Déploiement et passage à l’échelle
La création d’API avec Python Flask
La déploiement avec Flask, TensorFlow Lite, TensorFlow Serving
Dockerisation d’une API
Présentation du déploiement avec Kubernetes & KubeFlow
Schémas de déploiement
Notions d’architecture big data
Prérequis
Public
Ces formations pourraient vous intéresser
Objectifs de la formation
À l'issue de cette formation AWS MLOps Engineering vous aurez acquis les connaissances et les compétences nécessaires pour :
- 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
| Tarif |
A partir de 2 370,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Identifier les avantages et contraintes technologiques, réglementaires, et organisationnelles d'un projet Big Data
- Rédiger la charte d'un projet Big Data
- Planifier un projet Big Data et choisir une méthodologie (Agile / traditionnelle / hybride)
- Identifier les ressources du projet, et choisir une plateforme (On-Premise, Cloud, ou hybride, SaaS vs PaaS vs FaaS)
- Exécuter un projet Big Data du développement au déploiement / monitoring
- Adopter une démarche d'amélioration continue.
| Tarif |
A partir de 1 520,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Concevoir et tester un modèle de ML (Machine Learning) avec MLflow
- Concevoir et tester un pipeline MLOps robuste avec MLflow
- Déployer votre modèle en production
- Surveiller votre modèle de production et corriger les écarts.
| Tarif |
A partir de 3 800,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
À l'issue de cette formation MLOps Machine Learning, vous aurez acquis les connaissances et compétences nécessaires pour :
- Savoir assurer le run au quotidien de modèle de Machine Learning
- Avoir conscience des problématiques organisationnelles et 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
| Tarif |
A partir de 2 500,00 € |
| Durée |
3j / 21h |
| Modes |
|
Concevoir, développer et déployer une architecture microservices à base d'Intelligence Artificielle (IA)
Proposé par M2IObjectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Décrire les avantages des architectures microservices (AMS) et de la valeur ajoutée de l'IA
- Développer et tester des AMS à base d'IA selon les meilleures pratique et en évitant les pièges
- Migrer des applications monolithiques vers des AMS à base d'IA
- Décrire le cycle de vie des applications AMS à base d'IA grâce à l'agilité et DevOps / MLOps / IAOps.
| Tarif |
A partir de 4 250,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Concevoir et tester un modèle de ML (Machine Learning) sur Microsoft Azure
- Concevoir et tester un pipeline MLOps robuste
- Déployer et automatiser votre pipeline MLOps de production et le passer à l'échelle
- Surveiller votre modèle de production et corriger les écarts.
| Tarif |
A partir de 3 800,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
À l'issue de cette formation Projet Data/IA vous aurez acquis les connaissances et les compétences nécessaires pour :
- Repérer les potentiels d’utilisation de la donnée au sein de votre organisation
- Repérer votre patrimoine data (interne et externe) et ses limites
- Challenger les attendus d’un projet d’analyse prédictive : la question est elle bien posée ? sait on décrire l’usage qui sera fait des résultats ? Y a-t-il une vocation à industrialiser ou s’agit-il de diagnostiquer un comportement ?
- Anticiper les biais inhérents à tout projet data : les détecter, les évaluer : peut-on les corriger ? sinon sont-ils assumés ?
- Sécuriser le respect des règles du RGPD
- Piloter le gain économique du projet au-delà des métriques spécifiques à l’IA
- Comprendre les infrastructures sous-jacentes aux projets d’IA (Big Data)
- Comprendre l’écosystème d’outils mobilisés : Python / scikit learn / Tensorflow / …
- Identifier les approches analytiques pertinentes (supervisé, non supervisé, principaux modèles)
- Rythmer et piloter le projet au sein des équipes techniques (méthodes agiles, devops, ML Ops)
- Comprendre les enjeux et ressources de la datavisualisation
- Arbitrer la poursuite ou l’arrêt du projet, sauvegarder les acquis
| Tarif |
A partir de 1 995,00 € |
| Durée |
3j / 21h |
| Modes |
|
Big Data - Développement d'applications de Machine Learning et d'Intelligence Artificielle (IA)
Proposé par M2IObjectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Développer des applications de Machine Learning et d'IA (Intelligence Artificielle) avec Spark et Python
- Utiliser la programmation parallèle sur un cluster
- Développer et optimiser des algorithmes standards de Machine Learning et d'IA
- Utiliser les bibliothèques Python pour le Machine Learning et d'IA
- Décrire le cycle de vie d'un projet Data Science.
| Tarif |
A partir de 3 800,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Concevoir et tester un modèle de ML (Machine Learning) sur AWS
- Concevoir et tester un pipeline MLOps robuste
- Déployer et automatiser votre pipeline MLOps de production et le passer à l'échelle
- Surveiller votre modèle de production et corriger les écarts.
| Tarif |
A partir de 3 800,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Concevoir et tester un modèle de ML (Machine Learning) sur Google Cloud à partir d'un cas pratique fil rouge
- Concevoir et tester un pipeline MLOps robuste
- Déployer et automatiser votre pipeline MLOps de production et le passer à l'échelle
- Surveiller votre modèle de production et corriger les écarts.
| Tarif |
A partir de 3 800,00 € |
| Durée |
5j / 35h |
| Modes |
|
