Se former en Industrialiser un projet de Data Science par MLOps : méthodes et outils | Arkeonrecherche

Le programme Industrialiser un projet de Data Science par MLOps : méthodes et outils a été conçu pour des professionnels en poste.

Cette formation présente une approche structurée pour transformer un projet de Data Science en solution industrialisée via le MLOps. Les participants découvrent les bonnes pratiques, les outils adaptés et les étapes de mise en production. L’objectif est de réduire les délais de déploiement, améliorer la fiabilité des modèles et faciliter leur maintenance. Une partie importante est consacrée à l’intégration des contraintes métiers et techniques des équipes data. Aucun prérequis en programmation avancée n’est nécessaire, mais une compréhension des bases de la Data Science est recommandée.

Objectifs

Programme

[{"module": "MLOps : concepts, enjeux et cadre de mise en œuvre", "content": "Définition du MLOps et distinction avec le DevOps. Présentation des cas d’usage industriels. Identification des défis : reproductibilité, gouvernance, maintenance. Étude des frameworks (MLOps.org, Kubeflow, MLflow). Présentation des rôles des équipes (Data Scientists, DevOps, Métiers).", "duration_hours": 1.5}, {"module": "Pipeline d’industrialisation : conception et automatisation", "content": "Découpage des étapes du pipeline : préparation des données, entraînement, validation, déploiement. Choix des outils selon la stack technique (Airflow, Prefect, Luigi). Configuration d’un pipeline basique avec un exemple concret. Automatisation des tests et de la documentation. Gestion des versions des modèles et des donné

Modalités


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