or
Cette activité fait partie du cours
Ce chapitre présente une vue d'ensemble des principes MLOps et des composants du cadre essentiels au déploiement et au cycle de vie.
Ce chapitre est consacré à toutes les considérations à prendre en compte dès la phase de développement afin d'assurer une transition fluide lorsque nous passerons aux opérations. Notre objectif ultime est d'expliquer comment entraîner le modèle en appliquant les meilleures pratiques MLOps et de créer un paquet de modèle qui facilite un déploiement sans heurts, la reproductibilité et la surveillance après le déploiement.
Ce chapitre aborde des questions opérationnelles cruciales pour les modèles, telles que : - Quelles sont les différentes façons de servir nos modèles ? - Qu'est-ce qu'une API et quelles en sont les principales fonctionnalités ? - Comment tester rigoureusement notre service avant de le rendre accessible aux utilisateurs finaux ? - Comment mettre à jour des modèles en production sans perturber le service ? Vous apprendrez la prédiction par lot, la prédiction en temps réel, la validation des données d'entrée et de sortie, les tests unitaires, les tests d'intégration, le déploiement canari, et bien plus.
Ce dernier chapitre est consacré à la surveillance et à la maintenance des services ML après leur déploiement, ainsi qu'à la gouvernance des modèles. Vous aborderez des notions clés comme la latence de vérification, le déplacement des covariables, la dérive de concept, les systèmes avec humain dans la boucle, et plus encore.
Exercice en cours