Accueil    Formations    Informatique    Big Data    Data Science    Industrialiser les projets Data Science avec Kubeflow

Partager cette formation Télécharger au format pdf Ajouter à mes favoris

Objectifs pédagogiques / Compétences visées

  • Développer et maintenir un modèle de Machine Learning
  • Passer d'un modèle à sa production
  • Identifier les acteurs et le coût de l'industrialisation d'un projet Data Science.

Niveau requis

Avoir des connaissances en Machine Learning, en analyse de données ainsi qu'en Python.

Public concerné

Data scientists, data analysts, statisticiens.

Programme

Jour 1

Introduction

  • L'ère de la Data Science
  • Les acteurs dans un projet Data Science
  • Le cycle d'un projet Data Science
  • L'environnement technique d'un projet Data Science POC (Proof Of Concept), POV (Proof Of Value), production

Déploiement, concepts et étapes

  • Evaluer le projet
  • Tester son code
  • Rendre son code déployable
  • Gérer les versions
  • Le plan de déploiement
  • Plan de monitoring et de maintenance
  • Production des rapports
  • Documentation de l'expérience

Déploiement, notion et acteurs

  • Le déploiement dans le Cloud
  • Machine Learning Operations (MLOps)
  • Training, Tuning et Serving sur les plateformes d'Intelligence Artificielle (IA)
  • Kubernetes
  • Kubeflow

Jour 2

Kubeflow

  • Aperçu de Kubeflow
  • Configuration de l'environnement Kubeflow
  • Options de déploiement de Kubeflow
  • Configuration de Kubeflow sur Google Cloud Platform (GCP)
  • Composants de Kubeflow
  • Introduction à Docker
  • Pourquoi Kubernetes ?
    • Introduction à Kubernetes
    • Composants de base de Kubernetes
  • Construire un modèle d'apprentissage automatique sur Kubeflow
    • Processus de développement du modèle et défis
    • Kubeflow Notebook
    • Les métadonnées
    • Training distribuée
    • Réglage des hyperparamètres avec Katib
  • Serving sous Kubeflow
  • Construire un pipeline d'apprentissage automatique à l'aide de Kubeflow pipeline

Modalités d’évaluation des acquis

  • En cours de formation, par des études de cas ou des travaux pratiques
  • Et, en fin de formation, par un questionnaire d'auto-évaluation ou une certification (M2i ou éditeur)

Partager cette formation Télécharger au format pdf Ajouter à mes favoris

Vous souhaitez suivre cette formation ?

Cette formation est disponible en présentiel ou en classe à distance, avec un programme et une qualité pédagogique identiques.

Choisissez la modalité souhaitée pour vous inscrire :

Votre société a besoin d'une offre personnalisée ? Contactez-nous

Faites-nous part de votre projet de formation, nous sommes là pour vous guider.

Contactez-nous