MLFlow

1 jour (7 heures)

690€ ^HT / personne

En participant à cette formation, vous explorerez en profondeur la plateforme MLflow, un outil essentiel pour le développement, le suivi et le déploiement de modèles d'apprentissage automatique à grande échelle.

Vous découvrirez les principes fondamentaux de MLflow ainsi que ses fonctionnalités avancées, vous permettant de comprendre comment gérer efficacement le cycle de vie complet des modèles, de l'expérimentation initiale à la mise en production, en passant par le suivi et la gestion des versions.

À travers une approche interactive et pratique, vous apprendrez à utiliser MLflow pour organiser et suivre vos expériences d'apprentissage automatique, à comparer les performances de différents modèles, à optimiser les hyperparamètres et à déployer vos modèles de manière transparente dans des environnements de production.

Cette formation vous fournira les compétences et les connaissances nécessaires pour tirer pleinement parti de MLflow dans votre organisation, en assurant une gestion efficace et transparente de vos modèles d'apprentissage automatique tout au long de leur cycle de vie.

Télécharger le programme

Recevoir un devis

Fondamentaux sur le MLOps

Introduction au MLOps
Scope et objectifs
Vue d'ensemble des outils existants

Cycle de vie des modèles

Versioning des modèles
Stockage des données et des modèles
Historique et traçabilité
Monitoring des modèles
Bonnes pratiques

Introduction à MLflow

Compréhension des concepts de MLflow
Présentation des fonctionnalités et des composants de MLflow
Avantages et cas d'utilisation dans le développement et le déploiement de modèles ML

Tracking des expériences avec MLFlow Tracking

Configuration et initialisation d'un suivi d'expérience
Enregistrement des métriques, des paramètres et des artefacts
Comparaison des performances des modèles
Analyse des résultats et visualisation des expériences

Packaging du code avec MLflow Projects

Organisation du code avec MLflow Projects
Création de packages de modèles
Déploiement reproductible

Déploiement des modèles avec MLflow Models

Création et déploiement de modèles
Gestion des environnements d'exécution
Suivi des versions de modèle
TP : prise en main de MLFlow (tracking, projet, API, et gestion des modèles)

Gestion des modèles en production avec MLflow Model Registry

Introduction au model registry
Gestion des métadonnées et documentation
Présentation de Amazon S3 comme solution de model Registry
TP : Utilisation de MLFlow et d'un model registry (S3) pour versionner et suivre les modèles
TP : Optimisation des hyperparamètres avec MLFow

Conclusion et perspectives