Descriptif
MLOps : les bases de l'industrialisation des modèles est une formation de 2 jours (14 heures), de niveau intermédiaire, rattachée au domaine « Intelligence artificielle pour l'IT ». Comprendre et appliquer les pratiques MLOps essentielles. Conçue et animée par des praticiens en activité, elle alterne apports ciblés (30 %) et mises en pratique (70 %) sur des laboratoires cloud individuels, avec des cas inspirés des secteurs banque, assurance et services publics. Disponible en inter-entreprises, en intra sur catalogue et en version sur mesure adaptée au contexte de l'entreprise.
Objectifs pédagogiques
À l'issue de la formation, le participant sera capable de :
- Cycle de vie des modèles
- Versionnement
- CI/CD des modèles
- Déploiement
- Surveillance
Programme détaillé
| N° | Contenus et activités | Durée |
|---|---|---|
| Jour 1 | ||
| 1 | Ouverture : tour de table, autodiagnostic de maturité MLOps et présentation du projet fil rouge sur un jeu de données fictif | 0,5 h |
| 2 | Cycle de vie d'un modèle : de l'expérimentation à la mise hors service, rôles et artefacts à conserver | 1,5 h |
| 3 | Travaux pratiques : versionner données et modèles avec DVC et Git, puis reproduire une expérimentation à l'identique | 3 h |
| 4 | Travaux pratiques : suivre les exécutions et comparer les métriques avec MLflow Tracking | 2 h |
| Jour 2 | ||
| 5 | Travaux pratiques : empaqueter le modèle et construire une image Docker d'inférence | 2 h |
| 6 | Travaux pratiques : automatiser entraînement, tests et publication dans un pipeline GitLab CI | 2,5 h |
| 7 | Déploiement et surveillance : stratégies de bascule, dérive des données, réentraînement déclenché | 1,5 h |
| 8 | Atelier : construire le tableau de bord de surveillance et la procédure de retour arrière, puis évaluation des acquis | 1 h |
Méthodes pédagogiques
- Pédagogie active : 75 % du temps en pratique encadrée — laboratoires cloud provisionnés par participant, travaux pratiques guidés, fil rouge applicatif —, le reste en apports structurés, démonstrations commentées, cadrage et évaluation
- répartition calculée sur le déroulé détaillé de cette formation, et non annoncée de façon uniforme
- classe inversée avec prérequis sur le LMS
- apprentissage adaptatif selon le positionnement initial
- travaux en binômes
- classe virtuelle en séquences de 3 h 30 maximum sur Microsoft Teams
- support clair, complet et paginé remis à chaque participant
Technologies et outils mobilisés
MLflow, DVC, GitLab CI, Docker
Modalités d'évaluation et de validation
- Positionnement initial en ligne
- quiz de validation à chaque séquence
- évaluation finale des acquis (QCM et mise en situation)
- satisfaction à chaud
- questionnaire de transfert à 30 jours
- attestation de fin de formation
Plateforme, laboratoires et ressources
- LMS DATAROCKSTARS : parcours, supports numériques, quiz, évaluations, émargement par demi-journée
- laboratoires cloud individuels accessibles depuis un navigateur, sans installation, données fictives, détruits en fin de session
- bibliothèque O'Reilly (plus de 60 000 ressources)
- accès aux supports pendant 6 mois