MLOps sans trop d'Ops - Construire des systèmes d'apprentissage automatique efficaces

Aperçu

Découvrez des pipelines de données modernes et sans fioritures pour des systèmes d'apprentissage automatique efficaces. Apprenez les avantages du PaaS et explorez des applications concrètes avec du code open-source.

Obtenez des informations sur l'avenir de l'IA pour les organisations de toutes tailles.

Programme

• Introduction au MLOps
Comprendre le MLOps et son Importance
Vue d'ensemble des Personnes, des Processus et de la Technologie dans le MLOps
• Pipelines de Données Modernes
Composants d'un Pipeline de Données
Conception de Flux de Travail Efficaces
Intégration des Sources de Données
• Systèmes de Machine Learning sans Opérations Lourdes
Introduction au Platform-as-a-Service (PaaS)
Avantages et Compromis des Solutions PaaS pour le ML
Études de Cas : PaaS en Action
• Conception et Déploiement de Modèles
Évaluation des Outils Open-Source pour le ML
Atelier Pratique : Déploiement de Modèles avec PaaS
Automatisation du Déploiement : CI/CD pour les Modèles de ML
• Applications Réelles et Exploration de Code
Analyse du Code Source
Pièges Communs dans les Solutions MLOps
Histoires de Réussite de Différentes Industries
• Maintenance et Surveillance des Systèmes de ML
Meilleures Pratiques pour la Surveillance des Modèles
Boucles de Rétroaction et Réentraînement des Modèles
Gestion des Dérives et des Anomalies
• Avenir du ML dans les Organisations
Tendances Émergentes dans le MLOps
Évolutivité des Pratiques MLOps pour les Grandes Entreprises
Implications pour les Organisations de Taille Moyenne à Petite
• Revue du Cours et Projet Capstone
Directives et Objectifs du Projet
Élaboration d'une Stratégie Complète de MLOps
Session de Présentation et de Retours

---

Sujets

Science des données