Aller au contenu principal

MLOps complet

Un modèle d'apprentissage qui donne satisfaction dans un carnet Jupyter n'a franchi qu'un dixième du chemin qui le sépare d'un service utile en production. Ce cours traite les neuf autres.

Durée du cours : 10h​

Ce que vous allez apprendre​

  • Nommer les sources de non-déterminisme et rendre un entraînement reproductible
  • Suivre paramètres, métriques et artefacts avec MLflow, sans les perdre au premier changement de branche
  • Versionner données et modèles au même titre que le code, avec DVC et le registre MLflow
  • Emballer un modèle dans une image Docker fine, sécurisée et déterministe
  • Écrire une chaîne GitHub Actions qui teste les données, teste le modèle, construit l'image et déploie
  • Choisir entre service par lots, service en ligne et service en flux en connaissant les compromis
  • Détecter la dérive des données et du concept sans noyer l'équipe sous les alertes fausses
  • Automatiser le réentraînement et savoir revenir à la version précédente en une commande

Prérequis​

  • Apprentissage supervisé (cours 04) et ingénierie des variables (cours 06)
  • Notions de conteneurs (docker build, docker run)
  • Python courant, ligne de commande, base de Git

Modules du cours​

  1. Ce que MLOps résout que le développement classique ignore
  2. Reproductibilité : graines, environnements, verrouillage des versions
  3. Suivi des expériences avec MLflow
  4. Versionnage des données et des modèles
  5. Registre de modèles et étapes de promotion
  6. Conteneurisation d'un modèle
  7. Chaînes d'intégration et de livraison continues
  8. Service par lots, en ligne et en flux
  9. Surveillance : dérive des données et du concept
  10. Réentraînement automatique et retour arrière

Fil rouge du cours​

Un opérateur télécom veut prédire quels abonnés vont résilier leur forfait dans les trente jours à venir. Le module 1 part du carnet Jupyter d'un analyste qui a atteint 0,82 d'AUC en local. Chaque module ajoute une brique au même dépôt : reproductibilité, suivi, versionnage, registre, image, chaîne d'intégration, service, surveillance, réentraînement. À la fin du cours, le même modèle vit dans un service surveillé qui se remet à jour tout seul lorsque la dérive dépasse un seuil, et qui sait revenir à la version précédente en une commande.

Évaluation et attestation​

Le parcours se termine par un examen de 40 questions qui couvre les dix modules. En cas de réussite, une attestation d'achèvement est délivrée ; son numéro est vérifiable sur la plateforme par tout tiers.

Les cours gratuits, eux, se concluent par un quiz de 5 questions avec un aperçu de l'attestation, sans certification.