ML Ops Engineering

  • Formation officielle
  • Débutant
  • Intermédiaire
  • Avancé
  • Spécialité
  • Lieu : Paris et à distance
  • Durée : 3j
  • Horaire :
    09h30 17h30

Description

Dans cette formation ML Ops Engineering, vous apprendrez à déployer vos modèles et à automatiser la construction, l’évaluation, le test et le déploiement de modèles ML.

Public visé

Ingénieurs de plateformes ML
Ingénieurs DevOps opérant sur des plateformes ML

Recommandations

Avoir au moins suivi la formation “AWS Technical Essentials”, “DevOps Engineering” et “Practical Data Science with Amazon SageMaker”

  • Objectifs

    • Déployer son propre modèle sur AWS
    • Automatiser des Workflows pour construire, évaluer, tester et déployer des modèles ML
    • Comprendre les différentes stratégies de déploiements pour implémenter des modèles ML en production
    • Monitorer les concepts et dérives des données qui peuvent affecter des prédictions et alignements en accord avec les attentes métiers
  • Programme

    • Jour 1
      • Introduction à la formation
      • Introduction au ML Ops
      • Développement ML Ops
      • Lab 1 : Porter votre propre algorithme dans un pipeline ML
      • Démo : Les pipelines Amazon Sagemaker
      • Lab 2: Coder et amener vos modèles ML avec AWS CodeBuild
      • Activité : ML Ops Action Plan Workbook
    • Jour 2
      • Déploiement ML Ops
      • Lab 3: Déployer votre modèle
      • Lab 4: Conduire des tests A/B avec des variants de modèles de production
      • Activité : ML Ops Action Plan Workbook
    • Jour 3
      • Opération et surveillance des modèles

      • Lab 5 : Résoudre les problèmes sur votre pipeline

      • Résumé de la formation

      • Lab 6 : Surveiller votre modèle

      • Activité : ML Ops Action Plan Workbook


Vous souhaitez vérifier votre éligibilité ou faire une demande de formation sur mesure ?

Romain Gros

Training manager

Devoteam Revolve