Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction au déploiement de l'IA
- Aperçu du cycle de vie du déploiement IA
- Défis liés au déploiement des agents d'IA en production
- Points clés : évolutivité, fiabilité et maintenabilité
Conteneurisation et orchestration
- Introduction à Docker et aux bases de la conteneurisation
- Utilisation de Kubernetes pour l'orchestration des agents d'IA
- Meilleures pratiques pour la gestion des applications IA conteneurisées
Serveur de modèles d'IA
- Aperçu des frameworks de service de modèles (par ex. TensorFlow Serving, TorchServe)
- Construction d'API REST pour l'inférence des agents d'IA
- Gestion des prédictions par lots et en temps réel
CI/CD pour les agents d'IA
- Mise en place de pipelines CI/CD pour les déploiements IA
- Automatisation des tests et de la validation des modèles d'IA
- Mises à jour progressives et gestion du contrôle de version
Surveillance et optimisation
- Mise en œuvre d'outils de surveillance des performances des agents d'IA
- Analyse de la dérive des modèles et des besoins de réentraînement
- Optimisation de l'utilisation des ressources et de l'évolutivité
Sécurité et gouvernance
- Assurance de la conformité aux réglementations sur la confidentialité des données
- Sécurisation des pipelines de déploiement IA et des API
- Audit et journalisation pour les applications IA
Activités pratiques
- Conteneurisation d'un agent d'IA avec Docker
- Déploiement d'un agent d'IA à l'aide de Kubernetes
- Mise en place de la surveillance des performances et de l'utilisation des ressources de l'IA
Résumé et prochaines étapes
Pré requis
- Maîtrise de la programmation Python
- Compréhension des workflows d'apprentissage automatique
- Connaissance des outils de conteneurisation tels que Docker
- Expérience des pratiques DevOps (recommandé)
Public cible
- Ingénieurs MLOps
- Professionnels DevOps
14 Heures