Plan du cours

Introduction

  • Modèles d'apprentissage automatique vs logiciels traditionnels

Aperçu du workflow DevOps

Aperçu du workflow d'apprentissage automatique

ML comme code plus données

Composants d'un système d'Apprentissage Automatique

Étude de cas : une application de prévision des ventes

Accès aux données

Validation des données

Transformation des données

Du pipeline de données au pipeline d'apprentissage automatique

Construction du modèle de données

Formation du modèle

Validation du modèle

Reproduction de la formation du modèle

Déploiement d'un modèle

Mise en production d'un modèle formé

Test d'un système d'apprentissage automatique

Orchestration de la livraison continue

Surveillance du modèle

Versionnement des données

Adaptation, mise à l'échelle et maintenance d'une plateforme MLOps

Dépannage

Résumé et conclusion

Pré requis

  • Une compréhension du cycle de développement logiciel
  • Une expérience dans la construction ou l'utilisation de modèles d'apprentissage automatique
  • Familiarité avec le langage de programmation Python

Public cible

  • Ingénieurs en apprentissage automatique (ML)
  • Ingénieurs DevOps
  • Ingénieurs de données
  • Ingénieurs d'infrastructure
  • Développeurs logiciels
 35 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (4)

Cours à venir

Catégories Similaires