Prenez contact avec nous

Plan du cours

Introduction au déploiement d'IA

  • Aperçu du cycle de vie du déploiement IA
  • Défis liés au déploiement d'agents IA en production
  • Points clés : évolutivité, fiabilité et maintenabilité

Conteneurisation et orchestration

  • Introduction à Docker et aux bases de la conteneurisation
  • Utilisation de Kubernetes pour l'orchestration des agents IA
  • Bonnes pratiques pour la gestion des applications IA conteneurisées

Mise à disposition des modèles IA

  • Aperçu des frameworks de mise à disposition de modèles (par ex. TensorFlow Serving, TorchServe)
  • Construction d'API REST pour l'inférence des agents IA
  • Gestion des prédictions par lots versus en temps réel

CI/CD pour les agents IA

  • Mise en place de pipelines CI/CD pour les déploiements IA
  • Automatisation des tests et de la validation des modèles IA
  • Mises à jour progressives et gestion des versions

Surveillance et optimisation

  • Implémentation d'outils de surveillance des performances des agents IA
  • Analyse de la dérive des modèles et des besoins en réentraînement
  • Optimisation de l'utilisation des ressources et de l'évolutivité

Sécurité et gouvernance

  • Assurer la conformité aux réglementations sur la protection des données
  • Sécurisation des pipelines de déploiement IA et des API
  • Audit et journalisation des applications IA

Activités pratiques

  • Conteneurisation d'un agent IA avec Docker
  • Déploiement d'un agent IA avec Kubernetes
  • Mise en place de la surveillance des performances et de l'utilisation des ressources IA

Synthèse et prochaines étapes

Pré requis

  • Maîtrise de la programmation Python
  • Compréhension des flux de travail du machine learning
  • Familiarité avec les outils de conteneurisation tels que Docker
  • Expérience avec les pratiques DevOps (recommandée)

Public cible

  • Ingénieurs MLOps
  • Professionnels DevOps
 14 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires