All courses
Data
Initiez-vous au ML Engineering
Apprenez à déployer vos modèles ML simplement avec FastAPI, Docker et CI/CD : passez du notebook à un vrai projet prêt pour la production.Hard
6 hours
Interested in this free-access course?
Comment passer d’un prototype de machine learning prometteur… à une solution fiable, maintenable et déployée en production ?
C’est à ce moment critique, souvent négligé, que de nombreux projets échouent. Ce cours est là pour vous donner les clés pour ne pas en faire partie.
Que vous soyez curieux de comprendre le métier de ML Engineer, Data Scientist en quête de montée en compétences, ou simplement novice dans le domaine, ce cours vous guidera pas à pas vers les fondamentaux de l’industrialisation du machine learning. Vous n’avez pas besoin d’être un expert en cloud ou en DevOps : ici, on part de zéro, et on va à l’essentiel, avec des outils concrets et des exemples pratiques.
Alors, si vous voulez aller au-delà des notebooks et donner vie à vos modèles dans un environnement réel, suivez ce cours et devenez acteur de la mise en production en machine learning !
Learning outcomes
- Prendre vos premiers pas en ML Engineering
- Aller jusqu’au déploiement de votre modèle
Requirements
Pour réussir ce cours, vous devez être capable de :
-
Préparer des données
-
Concevoir une approche de modélisation
-
Rendre un modèle tangible et utilisable
Vous pouvez suivre le cours Maîtrisez l'apprentissage supervisé pour développer ces compétences.
Turn it into a career
Choose one of our 100% online degree programs, and transform your know-how into professional skills.
- Up to 100% of your training program funded
- Flexible start date
- Career-focused projects
- Individual mentoring
Table of contents
- Part 1
Prenez vos premiers pas en ML Engineering
- Part 2
Allez jusqu’au déploiement de votre modèle
- 1
Conteneurisez votre projet ML avec Docker
- 2
Implémentez la pipeline CI de votre projet ML avec Github Actions
- 3
Implémentez la pipeline CD de votre projet ML avec Github Actions
- 4
Mettez en place un tracking collaboratif avec MLflow
- 5
Decouvrez les autres enjeux de ML Engineeing
Quiz: Aller jusqu’au déploiement de votre modèle
Contributors
Instructor
