Contenu de la formation
Les participants découvrent les enjeux d’industrialisation d’un modèle de machine learning. Ils structurent les étapes d’un cycle de vie reproductible et orienté exploitation.
Cette formation guide les participants dans la création d’une API d’inférence conteneurisée. Les exercices portent sur l’organisation du service et les tests de fonctionnement.
Les apprenants étudient les notions de dérive, de validation temporelle et d’explicabilité. Ils analysent les éléments nécessaires pour surveiller un modèle dans le temps.
Pour qui ?
- Data scientists
- Développeurs backend
- Équipes data engineering
- Responsables techniques
Comment se déroule la formation
- 1Diagnostic du niveau de maturité du projet data
- 2Cartographie des étapes du cycle de vie du modèle
- 3Atelier de structuration d’un service d’inférence
- 4Conteneurisation d’un composant avec Docker
- 5Mise en pratique d’une API FastAPI
- 6Étude des besoins de suivi et d’explicabilité
Les formateurs de cette formation
Questions fréquentes
À qui s’adresse une formation MLOps ?
Elle s’adresse surtout aux profils ayant déjà une première expérience en Python et en machine learning. FormaGroup peut organiser un échange avec le formateur pour ajuster le niveau.
Docker et FastAPI sont-ils pratiqués pendant la formation ?
Oui, selon le format retenu, les participants peuvent mettre en œuvre une API d’inférence et son conteneur Docker. FormaGroup définit les objectifs pratiques avec vous.
Peut-on adapter la formation à un modèle existant ?
Le contenu peut être orienté vers votre contexte de modèle et vos contraintes techniques, après cadrage. FormaGroup assure la mise en relation et l’organisation de la formation.
Dans le catalogue FormaGroup
FormaGroup organise cette formation dans votre ville ou à distance : dates, groupe ou session individuelle, attestation de formation.
S’inscrire