Introduction aux Opérations de Machine Learning
Les modèles de machine learning développés n'apporteront de la valeur que lorsqu'ils seront mis à la disposition des utlisateurs finaux. Pour ce faire, ces modèles doivent être déployés sous forme de services appelés à évoluer dans le temps. Dans cette formation, vous découvrirez le DevOps, le MLOps et les principales technologies utilisées pour gérer les charges de travail.
MLOps est une adaptation de la notion de DevOps au machine learning. En tant que Data Engineer ou Data Scientist, vous serez amenés à déployer des modèles de machine learning.
La production
La production consiste à mettre les produits à la disposition des utilisateurs finaux.
Rappels DevOps
DevOps est un ensemble de pratiques visant à harmoniser les procesus de développement afin de réduire le TimeToMarket. Le DevOps repose sur cinq piliers qui sont Culture, Automatisation, Lean, Measure et Share (C.A.L.M.S).
- Culture
- Automatisation
- Lean
- Measure
- Share
L'intégration Continue
L'intégration Continue est une ensemble de pratiques visant à garantir que les modifications aboutissent à un livrable fonctionnel. En d'autres terme, il s'agit de s'assurer les modifications ne produisent pas de régression.
La livraison Continue
La livraison Continue est une ensemble de pratiques visant à garantir que les modifications aboutissent à un livrable fonctionnel. En d'autres terme, il s'agit de s'assurer les modifications ne produisent pas de régression.
Versionning de code
Un code informatique est appelé à évoluer dans le temps. On y apporte continuellement des changements, soit pour ajouter de nouvelles fonctionnalités soit pour résoudre des bugs.
Voici un bon cours OpenClassrooms qui vous aidera à comprendre le sujet