MLOps : panorama et mise en place

 
  1 jour       765       Initiation    
  Prochaine session
12 avril 2023
Objectifs de la formation
  • Connaitre et comprendre les principes du MLOps
  • Identifier ses outils
  • Préparer sa mise en place dans son organisation

Prérequis

Pas de compétence technique approfondie de programmation ou de data science nécessaire


Public visé

Responsables de pôle analytique, d’équipes data, chef de projet data, data scientists et data engineers


Contenu

Enjeux et besoins des projets data auquel répond la mise en place de processus de MLOps

  • Industrialisation de la mise en production (automatisation, agilité)
  • Cycle de vie des modèles (du lab à la prod, performance, réentraînement)

Parallèle entre le développement logiciel et le développement de projets data

Rappel des principes DevOps et leur traduction pour les projets de data science

Revue détaillée des étapes d’un processus type de MLOps

  • Objectifs de chaque étape
  • Impacts techniques
  • Gouvernance

Panorama des solutions de MLOps

  • En open source (ex. : mlFlow, kubeflow)
  • Dans les logiciels propriétaires (ex. : Dataiku DSS, neptune.ai)
  • Chez les cloud providers (AWS, Azure, GCP)
  • Pour Python, pour R
  • Pour des modèles de Machine Learning, pour des modèles de

Mise en place de processus MLOps

  • Revue d’une démarche type
  • Etude de cas en atelier (informations collectées préalablement auprès des participants)
Approche pédagogique

  Moyens pédagogiques

  • Exposé théorique de concepts
  • Etude de cas concrets
  • Échanges sur les pratiques et expériences des participants
  • Temps de questions / réponses

  Méthodes pédagogiques