Formation : IA - Gestion de modèles

Durée de la formation

2 jours

Code cours

IA091

Prix de la formation

1 690 € HT

Sessions programmées

22 au 23 septembre 22 au 23 décembre

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

Prérequis :

Maîtrise de l'utilisation de modèles de deep learning

Pour tester vos connaissances actuelles sur le sujet : Validation des pré-requis
Pour nous préciser vos attentes : Validation des attentes

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

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.

Phirio

+33 1 55 33 52 10
info@phirio.fr

Calendrier
Code cours : IA091

Contenu de la formation
IA - Gestion de modèles:

Introduction à MLOps et la gestion de modèles
Outils et technologies clés
Les bonnes pratiques de gestion de modèles
Défis et tendances

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