or
Cet exercice fait partie du cours
Ce premier chapitre présente MLOps et explique pourquoi il est indispensable pour les entreprises qui souhaitent concevoir, développer et exploiter plusieurs applications de machine learning simultanément. Vous découvrirez les principaux éléments de MLOps, comme la mise à l’échelle et l’automatisation, ses avantages, ainsi que les raisons pour lesquelles MLOps reste exigeant. Vous verrez également comment démarrer une démarche MLOps, à la fois sous l’angle technologique et managérial.
Dans le deuxième chapitre, vous étudierez l’ensemble du cycle de vie MLOps, de la conception au développement, au déploiement et aux opérations. Vous verrez pourquoi le monitoring est essentiel pour des applications de machine learning performantes et pourquoi il faut réentraîner régulièrement les modèles de machine learning.
Dans le troisième chapitre, vous passerez de la théorie à la pratique et découvrirez les principaux défis et risques liés au déploiement de modèles de machine learning. Vous apprendrez également comment les équipes MLOps opèrent avec succès et ce que le management peut faire pour favoriser une mise à l’échelle réussie du machine learning.
Le dernier chapitre montrera comment lancer avec succès la démarche MLOps de votre entreprise en présentant les bonnes pratiques et les écueils à éviter. Enfin, vous analyserez les différents niveaux de maturité MLOps et conclurez le cours par une étude de cas réelle sur la conception, le développement et l’exploitation d’une application de machine learning pour des processus de production critiques.
Exercice en cours