Prenez contact avec nous

Plan du cours

Introduction au CI/CD pour les workflows IA

  • Défis spécifiques aux pipelines de livraison de modèles IA.
  • Comparaison des processus DevOps traditionnels et MLOps.
  • Composants essentiels du déploiement automatisé des modèles.

Conteneurisation des modèles IA avec Docker

  • Conception de Dockerfiles efficaces pour l'inférence ML.
  • Gestion des dépendances et des artefacts des modèles.
  • Construction d'images sécurisées et optimisées.

Mise en place des pipelines CI/CD

  • Options d'outils CI/CD et leurs écosystèmes.
  • Construction de pipelines pour l'empaquetage automatisé des modèles.
  • Validation des pipelines par des vérifications automatisées.

Test des modèles IA en CI

  • Automatisation des vérifications de l'intégrité des données.
  • Tests unitaires et d'intégration pour les services de modèles.
  • Validation des performances et de la régression.

Déploiement automatisé des services IA basés sur Docker

  • Déploiement de conteneurs IA dans des environnements cloud.
  • Implémentation des déploiements en bleu-vert et en canari.
  • Stratégies de rollback en cas d'échec du déploiement.

Gestion des versions et des artefacts des modèles

  • Utilisation de registres pour le contrôle de version des modèles et des conteneurs.
  • Étiquetage, signature et promotion des images.
  • Coordination des mises à jour des modèles à travers les services.

Surveillance et observabilité dans le CI/CD pour l'IA

  • Suivi des performances des pipelines et des modèles.
  • Alertes en cas d'échec des builds ou de dérive des modèles.
  • Traçage du comportement d'inférence à travers les environnements.

Mise à l'échelle des pipelines CI/CD pour les systèmes IA

  • Parallélisation des builds pour les grands modèles.
  • Optimisation des ressources de calcul et de stockage.
  • Intégration d'exécuteurs distribués et distants.

Synthèse et prochaines étapes

Pré requis

  • Une compréhension des cycles de vie des modèles de machine learning.
  • Une expérience avec la conteneurisation Docker.
  • Une familiarité avec les concepts et pipelines CI/CD.

Public cible

  • Ingénieurs DevOps.
  • Équipes MLOps.
  • Ingénieurs AI-ops.
 21 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires