> Formations > Technologies numériques > Intelligence Artificielle, Big Data > IA, Machine Learning, analyse de données > Formation MLOps, déploiement de machine learning en production > Formations > Technologies numériques > Formation MLOps, déploiement de machine learning en production
Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Formation : MLOps, déploiement de machine learning en production

MLOps, déploiement de machine learning en production


Moyenne des avis clients Moyenne des avis clients Moyenne des avis clients Moyenne des avis clients
4 / 5

Formation incontournable

Devops : pratique de développement logiciel continu pour déployer avec efficacité et fiabilité les nouveautés. Machine Learning : création et maintien des modèles pour améliorer l’avenir. Association des deux : MLOps pour gérer le cycle de vie des projets de data science, s'appuyant sur la conteneurisation.


INTER
INTRA
SUR MESURE

Cours pratique en présentiel ou à distance
Disponible en anglais, à la demande

Réf. MLW
  3j - 21h00
Prix : 1910 € H.T.
Pauses-café et
déjeuners offerts

Télécharger le programme

Partager cette formation




Devops : pratique de développement logiciel continu pour déployer avec efficacité et fiabilité les nouveautés. Machine Learning : création et maintien des modèles pour améliorer l’avenir. Association des deux : MLOps pour gérer le cycle de vie des projets de data science, s'appuyant sur la conteneurisation.


Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
Connaître les différentes étapes de vie du modèle et de la donnée après le POC
Connaître les méthodes de réduction de dimensions d’un modèle pour le passage à l’échelle
Connaître les différentes plateformes de production
Savoir mettre en place des algorithmes d’explicabilité d’un modèle
Avoir des notions sur l’embarquabilité
Avoir des notions sur l’entrainement de larges modèles de façon distribuée

Public concerné
Ingénieur, développeur, chercheur, data scientist, data-analyst et toute personne désireuse de mettre en pratique le MLOps.

Prérequis
Bonne pratique du langage Python. Connaissances en Machine learning / Deep learning. Utilisation de Docker.
Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en faisant  ce test.

Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Programme de la formation

1
La vie après le PoC (Proof of Concept)

  • Qu’est ce que le MLOps ?
  • Cycle de vie de la data.
  • Tour d’horizon des différentes plateformes de production.
  • La malédiction de la dimensionnalité.
  • Choix techniques de la mise en production.
  • Présentation de plateformes d’embarquabilité.
  • Intégration continue, déploiement et maintenance de modèles.
Travaux pratiques
Mise en place d'un environnement cloud pour le déploiement de modèle. Test d’APIs sur étagère. Gestion des clés d’authentification et des points d’entrée d’API.

2
Les étapes de mise en production de modèles de Deep Learning

  • Algorithmes de réduction de dimensions (PCA, SVD).
  • Pruning. Quantization.
  • Approximation bas rang. Réseaux de poids binaires.
  • Transformation de Winograd.
  • Evaluation des performances du modèle après réduction.
  • Explicabilité du modèle avec les algorithmes LIME et SHAP.
  • Présentation d’architectures pour l’entrainement de larges modèles en distribué.
Travaux pratiques tutorés
Mise en œuvre d'un modèle de Machine Learning sur les défauts de paiement de crédit, avec explicabilité. Mise en œuvre de pruning sur un modèle de Deep Learning pré-entrainé sur la détection d’objet.

3
Intégration de Docker et Kubernetes

  • Rappels sur Docker.
  • Mise en pratique avec le déploiement d’un modèle avec FastAPI et Docker.
  • Présentation de Kubernetes.
  • Présentation de KubeFlow.
  • Présentation des principes de gestion de gros volumes et architectures Big Data pour le déploiement de modèle.
  • Bonnes pratiques de mise en production.
Travaux pratiques
Mise en pratique de déploiement d’un modèle avec Docker.


Parcours certifiants associés
Pour aller plus loin et renforcer votre employabilité, découvrez les parcours certifiants qui contiennent cette formation :

Solutions de financement
Plusieurs solutions existent pour financer votre formation et dépendent de votre situation professionnelle.
Découvrez-les sur notre page Comment financer sa formation ou contactez votre conseiller formation.

Avis clients
4 / 5
Les avis clients sont issus des évaluations de fin de formation. La note est calculée à partir de l’ensemble des évaluations datant de moins de 12 mois. Seules celles avec un commentaire textuel sont affichées.
JOEL-OSCAR D.
10/02/25
4 / 5

Très bonne bonne pédagogie du formateur qui a su expliquer de manière très clair les notions abordées.J’aurai aimé discuter/aborder l’aspect Kubernetes, Kubeflow pour le deploiement et l’orchestration des modèles.
ELODIE G.
10/02/25
3 / 5

L’animateur était bien, bonne pédagogie. Mais le niveau du groupe était trop hétérogène, ce qui est accentué à distance, l’animateur a été obligé de passer beaucoup de temps sur les TP "simples" pour débugger du python/git. Le TP avec déploiement sur AWS était très bien, dommage qu’il n’y ait pas eu plus de contenu similaire, avec des exercices sur kubernetes, plus centré sur la partie OPS que ML.
RODOLPHE B.
10/02/25
5 / 5

Contenu très riche et formateur très clair.

> Afficher plus d’avis clients


Horaires
les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45. Les pauses et déjeuners sont offerts.
Pour les stages pratiques de 4 ou 5 jours, quelle que soit la modalité, les sessions se terminent à 16h le dernier jour.

Dates et lieux
Sélectionnez votre lieu ou optez pour la classe à distance puis choisissez votre date.
Classe à distance

Dernières places
Date garantie en présentiel ou à distance
Session garantie
PARTICIPANTS
Futurs managers et responsables d’équipe souhaitant structurer leur pratique managériale

PRÉREQUIS
Aucun

COMPÉTENCES DU FORMATEUR
Les experts qui animent la formation sont des spécialistes des matières abordées. Ils ont été validés par nos équipes pédagogiques tant sur le plan des connaissances métiers que sur celui de la pédagogie, et ce pour chaque cours qu’ils enseignent. Ils ont au minimum cinq à dix années d’expérience dans leur domaine et occupent ou ont occupé des postes à responsabilité en entreprise.

MODALITÉS D’ÉVALUATION
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques… Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

MOYENS PÉDAGOGIQUES ET TECHNIQUES
• Les moyens pédagogiques et les méthodes d’enseignement utilisés sont principalement : aides audiovisuelles, documentation et support de cours, exercices pratiques d’application et corrigés des exercices pour les stages pratiques, études de cas ou présentation de cas réels pour les séminaires de formation. • À l’issue de chaque stage ou séminaire, ORSYS fournit aux participants un questionnaire d’évaluation du cours qui est ensuite analysé par nos équipes pédagogiques. • Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le stagiaire a bien assisté à la totalité de la session.

MODALITÉS ET DÉLAIS D’ACCÈS
L’inscription doit être finalisée 24 heures avant le début de la formation.

ACCESSIBILITÉ AUX PERSONNES HANDICAPÉES
Pour toute question ou besoin relatif à l’accessibilité, vous pouvez joindre notre équipe PSH par e-mail à l'adresse psh-accueil@orsys.fr.