Technique AvancéExpert5 jours25% théorie / 75% pratique
MLOps & Production
Déployer et opérer des modèles ML à l'échelle
Pipeline ML complet en productionMulti-cloud : AWS, GCP, AzureMonitoring et drift detectionLa compétence qui manque à 90% des data scientists
Objectifs pédagogiques
À l'issue de cette formation, vous serez capable de :
1
Concevoir des pipelines ML automatisés avec MLflow et Kubeflow
2
Déployer des modèles sur AWS/GCP/Azure avec CI/CD
3
Implémenter le monitoring et la détection de drift
4
Orchestrer des workflows ML avec Airflow/Prefect
5
Gérer le versioning des données et modèles avec DVC
Programme détaillé
5 modules • 35h au total
M1
Fondations MLOps
Durée : 7h
- MLOps vs DevOps
- MLflow : tracking, registry, serving
- DVC : data versioning
- Atelier : pipeline MLflow complet
M2
CI/CD pour ML
Durée : 7h
- GitHub Actions pour ML
- Testing de modèles automatisé
- Déploiement continu
- Atelier : pipeline CI/CD ML
M3
Infrastructure
Durée : 7h
- Docker pour ML
- Kubernetes et Kubeflow
- Serverless ML
- Atelier : déploiement cloud
M4
Monitoring
Durée : 7h
- Data drift et model drift
- Alerting et observabilité
- A/B testing de modèles
- Atelier : dashboard monitoring
M5
Projet Final
Durée : 7h
- Pipeline end-to-end
- De l'entraînement au monitoring
- Documentation et handover
- Présentation et évaluation
Public cible
ML EngineersDevOpsData EngineersPlatform Engineers
Tarifs
Inter-entreprise
1 200 EUR/jour/pers.
Intra-entreprise
4 500 EUR/jour
Jusqu'à 12 participants
Éligible financement OPCO jusqu'à 100%
Informations pratiques
Durée35h
FormatPrésentiel, Distanciel
Groupe6-10 participants
PrérequisPython avancé. Bases de ML. Expérience Docker/Cloud.
Ratio25% théorie / 75% pratique
CertificationAttestation MLOps Engineer
Certifié Qualiopi
Cette formation couvre 11 indicateurs Qualiopi