Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Découvrez comment concevoir, automatiser et surveiller des pipelines de prévision évolutifs en Python. Ce cours avancé vous guide à travers l'ensemble du processus de production, depuis la collecte des données et l'entraînement des modèles jusqu'au déploiement et à la surveillance, à l'aide d'outils tels que MLflow et Airflow.Vous commencerez par vous connecter à des sources de données en temps réel et élaborerez votre première prévision à partir des données relatives à la demande en électricité aux États-Unis. Ensuite, vous découvrirez les principes fondamentaux de l'expérimentation, notamment le backtesting, l'évaluation et l'enregistrement de modèles à l'aide de MLflow.Ensuite, vous développerez des pipelines de prévision automatisés à l'aide de processus ETL, de l'enregistrement de modèles et de l'orchestration Airflow. Enfin, vous apprendrez les principes fondamentaux du déploiement en production, notamment la surveillance de l'état du pipeline, la détection des dérives de modèles et la maintenance des systèmes de prévision dans des environnements réels.
Prérequis
Programme de formation
Plan du cours
1
Architecture générale
Apprenez à vous connecter à des sources de données en direct et à préparer des séries temporelles pour la prévision. Vous récupérerez des données horaires de demande d’électricité via l’API de l’EIA américaine et réaliserez votre première prévision.
- Mettre votre modèle de prévision en production50 XP
- Architecture d’un projet de prévision50 XP
- Atouts des frameworks d’expérimentation50 XP
- Passer en revue les données d’entrée50 XP
- Effectuer une requête API100 XP
- Préparer et visualiser les données100 XP
- Interpréter des visualisations de séries temporelles50 XP
- Manipuler un objet de prévision50 XP
- Prévisions avec des modèles de ML100 XP
- Évaluer les performances du modèle de prévision100 XP
- Visualiser les performances du modèle de prévision100 XP
2
Expérimentation
Découvrez les fondamentaux de l’expérimentation, notamment le backtesting, l’évaluation et l’enregistrement de modèles avec MLflow !
3
Mise en place de l’automatisation
Apprenez à construire des pipelines de prévision automatisés qui actualisent quotidiennement les données et les prédictions. Vous mettrez en place des processus ETL, enregistrerez des modèles avec MLflow et orchestrerez l’ensemble avec Airflow. Créez un système prêt pour la production avec validation des données et journalisation pour surveiller la santé du pipeline.
4
Du déploiement à la production
Découvrez l’essentiel du déploiement en production, du suivi de la santé du pipeline à la détection du drift de modèle. Vous apprendrez les bonnes pratiques pour la reproductibilité, la mise à l’échelle et la maintenance de systèmes de prévision en environnement réel.
Concevoir des pipelines de prévision pour la production
Cours
terminé
