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
MLOps est l'ensemble des pratiques développées pour vous aider à déployer et à maintenir des modèles d'apprentissage automatique en production. De nos jours, dans l'industrie et la recherche, le MLOps est au centre de l'attention en tant que moyen de garantir que les systèmes ML génèrent de la valeur.
Découvrez l'automatisation complète dans MLOps
Dans ce cours, vous apprendrez à utiliser l'automatisation dans MLOps pour déployer des systèmes ML capables de générer de la valeur au fil du temps. Vous découvrirez comment la dette technique cachée affecte les systèmes d'apprentissage automatique et la valeur qu'ils génèrent. Vous comprendrez également comment l'automatisation et la rationalisation des étapes du cycle de vie du ML peuvent contribuer au fonctionnement et à la mise à l'échelle des systèmes ML.Découvrez l'architecture MLOps
Vous utiliserez des exercices pratiques et interactifs pour découvrir les composants d'une architecture MLOps et leur rôle essentiel dans l'automatisation complète des systèmes ML.Découvrez les techniques CI/CD/CM/CT MLOps
Au fur et à mesure de votre progression, vous découvrirez comment l'automatisation CI/CD, associée à la surveillance continue (CM) et à la formation continue (CT), constitue une technique essentielle pour éviter la dette technique dans vos déploiements ML.Comprendre l'automatisation dans les stratégies de déploiement
À la fin de ce cours, vous comprendrez comment l'automatisation avec MLOps peut améliorer le déploiement de vos systèmes ML dans le monde réel, en apportant robustesse et évolutivité à vos déploiements.Commencez à vous former, acquérez des connaissances dans ce domaine très recherché et découvrez comment appliquer l'automatisation lors de la conception de systèmes MLOps.
Prérequis
Programme de formation
Plan du cours
1
Introduction : vers un MLOps entièrement automatisé
Dans ce premier chapitre, nous montrons l’intérêt du MLOps en contexte industriel. Vous découvrirez son rôle clé pour soutenir la création de valeur dans les entreprises. Vous reverrez aussi les étapes du ML, en mettant l’accent sur la manière dont le MLOps les améliore. À la fin du chapitre, vous explorerez une architecture de référence pour un système MLOps entièrement automatisé. Vous utiliserez ensuite cette architecture pour passer en revue les composants importants de tout système MLOps et poser les bases pour le reste du cours.
- Introduction aux MLOps entièrement automatisés50 XP
- La dette technique cachée doit être remboursée50 XP
- La dette technique cachée en ML est différente100 XP
- Étapes du cycle de vie MLOps50 XP
- MLOps entièrement automatisé50 XP
- Automatiser ou ne pas automatiser…50 XP
- Concevoir pour l’échelle100 XP
- Architecture de référence : MLOps entièrement automatisé50 XP
- Architectures de référence en informatique et en MLOps50 XP
- Composants de l’architecture MLOps100 XP
2
Architecture d’un MLOps entièrement automatisé
Dans ce chapitre, vous poursuivrez votre exploration des composants essentiels qui composent un système MLOps entièrement automatisé. Vous commencerez par examiner l’importance de l’orchestration en MLOps et comment elle contribue à garantir l’efficacité et l’évolutivité des pipelines de ML. Ensuite, vous étudierez les différentes stratégies de déploiement en MLOps et apprendrez à choisir celle qui convient le mieux à votre système. Enfin, vous verrez CI/CD/CT/CM et comment ces pratiques complètent l’orchestration et les bonnes pratiques pour atteindre une automatisation complète dans les systèmes MLOps. Avec ces enseignements, vous serez mieux armé pour construire un système MLOps entièrement automatisé, efficace, précis et fiable.
3
Modèles d’automatisation
Dans ce chapitre, vous plongerez dans le monde passionnant de l’automatisation et apprendrez à concevoir des systèmes de ML plus résilients et plus performants. Vous commencerez par comprendre les fondamentaux de l’automatisation dans les systèmes MLOps, puis découvrirez la puissance des modèles de conception et des mécanismes de repli sécurisés. Vous apprendrez également à mettre en place des tests automatisés dans les systèmes MLOps et à utiliser l’ajustement d’hyperparamètres pour optimiser vos modèles et vos workflows. À la fin de ce chapitre, vous disposerez des compétences et connaissances nécessaires pour construire et gérer des systèmes MLOps entièrement automatisés, à la fois efficaces et fiables.
4
Automatisation dans les déploiements MLOps
Dans ce dernier chapitre, vous étudierez les composants clés d’une architecture MLOps automatisée. De l’expérimentation automatisée et du registry de modèles à l’exploration du feature store et du rôle du metadata store, ce chapitre vise à vous donner une compréhension complète des subtilités d’un système MLOps entièrement automatisé. Que vous soyez un praticien du ML confirmé ou que vous débutiez, ce chapitre vous apportera les connaissances et compétences nécessaires pour concevoir des workflows MLOps automatisés.
R
MLOps entièrement automatisé
Cours
terminé
