MLOps, deeltijds (5 maanden) (RNCP-kwalificatie)

door DataScientest

Praktijkcursus - 6d - 42u00 - Ref. 3ML
Prijs : 3990 € V.B.

MLOps, deeltijds (5 maanden) (RNCP-kwalificatie)

door DataScientest



Word een expert in Machine Learning en optimaliseer leermodellen voor de overgang naar productie. Een MLOps heeft vaardigheden in zowel Machine Learning als operations. Hun rol is het overnemen van de workflow na de constructie van een Machine Learning-model. Deze certificeringscursus wordt op afstand gegeven in een hybride formaat dat synchrone uitwisselingen met een deskundige trainer, praktische oefeningen en e-learningmodules combineert. Op basis van de Learning By Doing-pedagogiek voert u in teamverband een kernproject uit om uw kennis in de praktijk te brengen. Wanneer je je inschrijft, word je toegewezen aan een van de promoties van Datascientest. Aan het einde van deze cursus behaal je blok 3 en 4 van de RNCP niveau 7 certificering "Expert in Artificial Intelligence Engineering" uitgegeven door ANAPIJ en geregistreerd bij de RNCP op 09-02-2024 onder nummer RNCP38587. Neem nu contact met ons op voor de komende data!


Catalogus
Op maat

Online cursus

Ref. 3ML
  42u00
Prix : 3990 € V.B.
Taal : NL
Deze opleiding is ook beschikbaar in het Engels.




Word een expert in Machine Learning en optimaliseer leermodellen voor de overgang naar productie. Een MLOps heeft vaardigheden in zowel Machine Learning als operations. Hun rol is het overnemen van de workflow na de constructie van een Machine Learning-model. Deze certificeringscursus wordt op afstand gegeven in een hybride formaat dat synchrone uitwisselingen met een deskundige trainer, praktische oefeningen en e-learningmodules combineert. Op basis van de Learning By Doing-pedagogiek voert u in teamverband een kernproject uit om uw kennis in de praktijk te brengen. Wanneer je je inschrijft, word je toegewezen aan een van de promoties van Datascientest. Aan het einde van deze cursus behaal je blok 3 en 4 van de RNCP niveau 7 certificering "Expert in Artificial Intelligence Engineering" uitgegeven door ANAPIJ en geregistreerd bij de RNCP op 09-02-2024 onder nummer RNCP38587. Neem nu contact met ons op voor de komende data!


Pedagogische doelstellingen
Aan het einde van de training is de deelnemer in staat om:
Een API bouwen, implementeren en beveiligen.
Beheer, orkestreer en automatiseer taken binnen .
Bewaak AI-modellen die in productie worden gebruikt.

Doelgroep
Iedereen die het MLOps-vak wil leren.

Voorafgaande vereisten
Un diplôme ou un titre de niveau bac+3 ainsi qu'une première formation ou expérience en tant que Data Scientist.
Une dérogation est possible sur dossier et test écrit.

Certificatie
Aan het einde van de cursus beoordeelt het docententeam het kernproject van de cursist door middel van een schriftelijk verslag en een presentatie op afstand. Door de vaardigheden die je tijdens de MLOps-cursus hebt ontwikkeld te valideren, kun je de blokken 3 en 4 van de RNCP-certificering op niveau 7 "Expert in artificial intelligence engineering" behalen. Deze certificering is toegekend door ANAPIJ en geregistreerd bij de RNCP op 09-02-2024 onder het nummer RNCP38587.

Praktische modaliteiten
Digitale activiteiten
Online cursussen en oefeningen, masterclasses in groepen, vraag- en antwoordsessies, ondersteunende lessen, e-mailondersteuning, rode draad projecten, een-op-een loopbaancoaching, sociaal leren.
Mentorschap
Een deskundige trainer begeleidt studenten tijdens hun training. Hij of zij bespreekt regelmatig het kernproject van de cursist met de cursist en biedt individuele begeleiding. Verschillende trainers leiden ook de verschillende masterclasses (groepslessen) en beantwoorden te allen tijde vragen van deelnemers via een speciaal forum. Daarnaast kunnen er talrijke vraag-en-antwoordsessies worden georganiseerd om cursisten te helpen.
Pedagogiek en praktijk
Wanneer ze zich inschrijven, worden cursisten ingedeeld in een klas (data worden bepaald op het moment van inschrijving) en ontvangen ze hun trainingsschema. Het trainingsprogramma is verdeeld in "sprints" van meerdere weken over een specifiek thema. Elke week wordt de cursist uitgenodigd voor een uitwisselingsmoment met de trainer in de vorm van een masterclass (groepsles) of mentorpunten (individueel). Gedurende 80% van de tijd werkt de cursist zelfstandig op het lesplatform. Alle modules bevatten praktische oefeningen om de concepten die in de les zijn ontwikkeld in de praktijk te brengen. Studenten moeten ook in duo's of trio's werken aan een gemeenschappelijk thema gedurende de cursus. Zo kunnen ze hun vaardigheden ontwikkelen en laten erkennen. Daarnaast worden er regelmatig thema-evenementen en workshops aangeboden, zodat studenten de nieuwste innovaties op het gebied van Data Science kunnen ontdekken. Om de cursus effectief te kunnen volgen, schatten we in dat er tussen de 10 en 12 uur werk per week nodig is.

Opleidingsprogramma

1
Volgende sessiedata

  • Oktober 2025: Begint op 07/10/25
  • November 2025: Start op 04/11/25
  • December 2025: Begint op 02/12/25

2
Linux & Bash

  • Linux & Bash programmeren: Linux systemen, gebruik van een terminal, Bash scripts.
  • Docker: concept, hoe Docker werkt, images, communicatie, gegevens, Dockerfile, DockerHub, docker-compose.
  • MLflow: architectuur, tracking, projecten, modellen, register, levenscyclus van een Machine Learning-project.
  • Eenheidstests: Pytest, integratietests, voordelen in een ontwikkelomgeving.

3
Versiebeheer en isolatie

  • DVC & Dagshub: Data Version Control, Dagshub en DVC-projecten, integratie in ontwikkelomgevingen.
  • Jenkins: automatisering, pijplijn, geen CI/CD.
  • AirFlow: concept, principes en voordelen, DAG's, operators, specifieke operators, DAG-monitoring.

4
Inzet en modelonderhoud

  • Bento ML: concepten, implementatie van Docker-containers met BentoML-modellen.
  • SQL: query's, join types, geneste query's.
  • Prometheus & Grafana: voordelen, Prometheus Query Language, Dashboard met Grafana, integratie in productie.

5
Platform voor schalen en orkestratie

  • Kubernetes: containers inzetten en beheren, meerdere services orkestreren en schaalbaarheid beheren.
  • ZenML: principes en rollen, bewaken en beheren van machine-leerexperimenten, ZenML-integratie.
  • Weight & Biases: functionaliteiten, gebruik met frameworks zoals TensorFlow.
  • AWS Cloud Practitioner: AWS-tools, voorbereiding op AWS Cloud Practitioner-certificering.



Dit programma is een origineel concept, ontwikkeld door de pedagogische teams van ORSYS Formation. Elke reproductie, weergave, aanpassing of exploitatie, geheel of gedeeltelijk, zonder voorafgaande schriftelijke toestemming van ORSYS, is ten strengste verboden. ORSYS behoudt zich het recht voor om alle nodige maatregelen te nemen ter bescherming van haar intellectuele-eigendomsrechten.


Dit programma is een origineel concept, ontwikkeld door de pedagogische teams van ORSYS Formation. Elke reproductie, weergave, aanpassing of exploitatie, geheel of gedeeltelijk, zonder voorafgaande schriftelijke toestemming van ORSYS, is ten strengste verboden. ORSYS behoudt zich het recht voor om alle nodige maatregelen te nemen ter bescherming van haar intellectuele-eigendomsrechten.