Nous utilisons des cookies pour vous fournir l'ensemble de nos services, notamment la recherche et les alertes. En acceptant, vous consentez à notre utilisation de ces cookies.
Choisir mes préférences
Maîtrisez l'approche MLOps(Machine Learning Operations) pour concevoir des modèles d'apprentissage machine adaptés à leur déploiement en production puis les maintenir tout au long de leur cycle de vie.
La vie après le Proof Of Concept (POC) - 1 jour
✓ 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
Les étapes de mise en production de modèles de Deep Learning - 1 jour
✓ Algorithmes de réduction de dimension
✓ Pruning
✓ Quantization
✓ 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
Prise en main de Docker - 1 jour
✓ Présentation de Docker
✓ Mise en pratique avec le déploiement d’un modèle avec FastAPI et Docker
Prise en main de Kubernetes - 1 jour
✓ Présentation de Kubernetes
✓ Présentation de KubeFlow
✓ Mise en pratique de déploiement d’un modèle
Data scientist, data analyst , data engineer, chercheur, ...
Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont la formation
Machine Learning et Deep Learning avec Python ou d'avoir atteint par la pratique un niveau équivalent.
Pédagogie active mêlant exposés, exercices et applications pratiques dans le logiciel Python.
Formulaire d'autoévaluation en amont et aval de la formation.
Choisissez une date pour pouvoir réserver !
Infos
Trouver le bon CACESComprendre l'habilitation éléctriqueMentions légalesConditions d'utilisationNous utilisons des cookies pour vous fournir l'ensemble de nos services, notamment la recherche et les alertes. En acceptant, vous consentez à notre utilisation de ces cookies.
Choisir mes préférences