Industrialiser un projet de Data Science avec MLOps : programme complet | wikidlp

De la théorie à la pratique : Industrialiser un projet de Data Science avec MLOps met l'accent sur les cas réels.

Cette formation vise à fournir aux équipes techniques et métiers les clés pour industrialiser les projets de Data Science. Elle couvre les bonnes pratiques du MLOps, de la conception à la maintenance des modèles en production. Les participants apprendront à structurer des pipelines de données efficaces, à automatiser les déploiements et à surveiller les performances des modèles. Une approche pragmatique, centrée sur des cas concrets applicables immédiatement en entreprise.

Objectifs

• Comprendre les enjeux de l'industrialisation des projets de Data Science", "Maîtriser les étapes clés du MLOps de la conception à la production", "Savoir concevoir des pipelines de données efficaces et automatisés", "Apprendre à déployer et surveiller des modèles d'IA en production", "Acquérir des bonnes pratiques pour maintenir la performance des modèles"]

Programme

[{"module": "Introduction au MLOps et enjeux de l'industrialisation", "content": "Définition des concepts clés : Data Science, MLOps, DevOps. Présentation des défis de l'industrialisation. Comparaison entre approche académique et industrielle. Études de cas d'échecs ou succès dans le déploiement de modèles.", "duration_hours": 1}, {"module": "Conception et préparation des données pour l'industrialisation", "content": "Bonnes pratiques de nettoyage et préparation des données. Structuration des pipelines de données. Automatisation des processus ETL. Gestion des métadonnées et traçabilité des jeux de données.", "duration_hours": 1.5}, {"module": "Développement et versionnage des modèles", "content": "Utilisation d'outils de versionnage pour les modèles (MLflow, DVC). Gestion des dépendances e

Modalités

• Durée : 1 jour (7 heures)
• Format : presentiel
• Tarif : Sur devis , finançable OPCO

Cette formation est dispensée par BusinessDigital.fr, organisme certifié Qualiopi (NDA 84692529769).