Formation Développement et déploiement d'applications IA/ML sur Red Hat OpenShift AI (AI267).
Score de satisfaction : 4.92/5
Durée :
3 jours
26/05/2026 à Distance
numero vert : 0805 950 800 (service et appel gratuits)
à partir de
2850 €HT
98% d'avis positifs* participants

Référence :
SF34575
Durée :
3 jours

En présentiel ou distanciel


Réservez vos places pour la session du
  • 21 heures de formation
  • Exercices pratiques
  • Prise en charge OPCO possible
Vous souhaitez personnaliser cette formation ?
  • En entreprise ou à distance
  • Cadrage pédagogique gratuit
  • Programme de formation sur mesure
  • Formateur expert dédié
  • Prise en charge OPCO possible

Formation Développement et déploiement d'applications IA/ML sur Red Hat OpenShift AI (AI267).

Prenez en main la plateforme Red Hat OpenShift AI pour concevoir, entraîner et mettre en production vos modèles de machine learning dans un environnement cloud-native robuste.

Cette formation de 3 jours vous accompagne pas à pas dans la prise en main de Red Hat OpenShift AI (version 2.8), depuis la configuration de l'environnement jusqu'au déploiement de modèles en production. Vous apprendrez à structurer vos projets de data science, à entraîner des modèles performants et à automatiser vos workflows grâce aux pipelines intégrés. Le parcours alterne apports théoriques et travaux pratiques sur la plateforme OpenShift 4.14, pour une montée en compétences immédiatement opérationnelle. Cette formation prépare à la certification Red Hat Certified Specialist in OpenShift AI (EX267).

Objectifs pédagogiques.

1Mettre en place et configurer Red Hat OpenShift AI sur un cluster OpenShift

2Administrer les ressources, les utilisateurs et les droits d'accès de la plateforme

3Construire, entraîner et optimiser des modèles de machine learning

4Déployer et exposer des modèles via les mécanismes de model serving intégrés

5Concevoir et piloter des pipelines de data science automatisés

6Se préparer à l'examen de certification Red Hat Certified Specialist in OpenShift AI (EX267)

Prérequis : Maîtrise de Git et du développement Python indispensable (ou cours AD141 suivi) ; pratique de Red Hat OpenShift requise (ou cours DO288 validé) ; notions de base en intelligence artificielle et machine learning conseillées.
Partagez cette formation

Programme de formation Développement et déploiement d'applications IA/ML sur Red Hat OpenShift AI (AI267).

Découverte de Red Hat OpenShift AI

– Présentation de la plateforme : architecture, composants clés et positionnement dans l’écosystème Red Hat
– Projets de data science : organisation des espaces de travail et gestion des ressources partagées
– Notebooks Jupyter : création, personnalisation et bonnes pratiques d’utilisation dans RHOAI
– Exemples d’activités pratiques : navigation dans l’interface OpenShift AI, lancement d’un premier notebook, exploration d’un projet de data science préconfiguré

Installation et administration

– Déploiement de la plateforme : procédure d’installation de Red Hat OpenShift AI sur un cluster existant
– Gestion des utilisateurs et des ressources : attribution des droits, quotas et supervision de la consommation
– Images de notebooks personnalisées : création et intégration d’environnements sur mesure pour vos équipes
– Exemples d’activités pratiques : installation guidée de RHOAI, configuration des rôles utilisateurs, construction d’une image notebook custom

Fondamentaux du machine learning

– Principes du ML : rappels sur les concepts essentiels (entraînement, validation, métriques de performance)
– Entraînement de modèles : workflows de construction et d’évaluation dans l’environnement RHOAI
– Optimisation avec RHOAI : accélération de l’entraînement grâce aux fonctionnalités avancées de la plateforme (GPU, distributed training)
– Exemples d’activités pratiques : entraînement d’un modèle de classification, comparaison de métriques, ajustement d’hyperparamètres

Déploiement et exposition de modèles

– Concepts du model serving : approches de mise à disposition des modèles (temps réel, batch)
– Serving sur RHOAI : configuration des endpoints, monitoring et gestion des versions de modèles
– Exemples d’activités pratiques : déploiement d’un modèle entraîné, test d’inférence via API, surveillance des performances en production

Pipelines de data science

– Architecture des pipelines : principes de conception et composants d’un pipeline ML reproductible
– Mise en œuvre pratique : création, exécution et itération sur des pipelines dans Red Hat OpenShift AI
– Pilotage et expérimentations : suivi des exécutions, comparaison des résultats et gestion des expériences
– Exemples d’activités pratiques : construction d’un pipeline end-to-end, paramétrage d’expériences multiples, analyse comparative des résultats

Notre charte qualité et éthique.

A travers sa Charte Engagement Qualité, Sparks s’engage à tout mettre en œuvre pour que chaque session de formation soit un succès et que votre satisfaction soit totale.

Amandine de Sparks
Des chiffres étincelants.
20 années
à vos côtés
+ de 1000
sujets de formation
8702
stagiaires formés en 2024
252
formateurs actifs en 2024
97,9%
de stagiaires satisfaits
23793
heures de formation réalisées en 2024
HAUT