Formations au coeur des technologies

Essayer, tester, échanger les bonnes pratiques, partager les retours d'expériences, ...
toutes nos formations sont disponibles à distance (classes virtuelles) et en centre de formation (présentiel), au choix.
Vous pouvez même changer de modalité en cours de formation, si vous avez des contraintes : par exemple, commencer en présentiel et continuer les jours suivants à distance.
Les outils pédagogiques et l'infrastructure de travaux pratiques mis à disposition sont accessibles depuis nos locaux, ou depuis votre entreprise ou votre lieu de télétravail, à volonté
N'hésitez pas à tester nos formations et nos serious games !

Formation : IA - Gestion de modèles

Durée2 jours
Prix1 690 €
Code coursIA091
Dates22 au 23 décembre

(cliquez sur une date pour vous inscrire)

Public:

toute personne intéressée par les data-sciences, et l'utilisation et le choix de modèles, et la gestion de modèles.

Objectifs:

Savoir identifier les modèles pertinents selon les cas d'usage, maitriser les outils et méthodes pour référencer, gérer les modèles utilisés

Connaissances préalables nécessaires:

Maîtrise de l'utilisation de modèles de deep learning

Objectifs pédagogiques:

  • comprendre l'intérêt et les méthodes de gestion de modèles. Connaître les bonnes pratiques, et les outils principaux de gestion de modèles, savoir mettre en oeuvre la gestion de modèles avec Airflow

Programme détaillé de la formation


(logo acroreadTéléchargez le programme) :
Introduction à MLOps et la gestion de modèles
Définition. Importance de la collaboration entre data scientists et ingénieurs.
Les défis de la mise en production de modèles (dérive, réentraînement, monitoring), et les avantages d'une gestion efficace.
Atelier : cycle de vie d'un modèle en MLOps : vue d'ensemble des différentes étapes, de la conception à la mise hors service.


Outils et technologies clés
Plateformes MLOps : Présentation des principales plateformes (MLflow, Kubeflow, AWS SageMaker, Azure Machine Learning) et de leurs fonctionnalités clés.
Outils de versioning : Git, DVC, comment gérer le code, les données et les modèles.
Registres de modèles : Stockage, versioning, et partage des modèles.
Orchestration de workflows : Airflow, Luigi, pour automatiser les pipelines MLOps.
Atelier : mise en oeuvre de Airflow


Les bonnes pratiques de gestion de modèles
Versioning et suivi : Importance de la version, des métadonnées, et des logs pour la reproductibilité.
Déploiement : Stratégies de déploiement (A/B testing, canary releases), et les environnements de déploiement (cloud, on-premise).
Monitoring : Suivi des performances des modèles en production, détection d'anomalies, et alertes.
Réentraînement et mise à jour : Stratégies pour maintenir les modèles à jour, et les défis liés au réentraînement continu.
Atelier : exemples de monitoring


Défis et tendances
Gouvernance des données : Questions de confidentialité, de sécurité, et de conformité.
Expérience utilisateur : Faciliter l'utilisation des modèles par les équipes métier Intégrabilité : Intégrer les modèles dans les applications existantes.
Tendances futures : MLOps décentralisé, MLOps pour l'IA générative.

Déroulé pédagogique
Modalités et délais d'accès
Méthodes mobilisées

Pythagore-F.D.

01 55 33 52 10
pfd@pythagore-fd.fr
Calendrier
Code cours : IA091

Contenu de la formation
IA - Gestion de modèles:

Accès à la liste des cours



Vous pouvez bien entendu composer votre programme personnel à partir de nos descriptifs de cours


Version du document : Ra04
Date de mise à jour du document : 2024/11/04