Formation MLOps
Formez-vous aux meilleures pratiques pour déployer des modèles de Machine Learning !
Vue d'ensemble
Une bonne compréhension du machine learning, des compétences en programmation Python, ainsi qu une familiarité avec les concepts de base en DevOps et conteneurisation.
Objectifs pédagogiques
Programme détaillé
Introduction à la formation MLOps
Définition et objectifs de MLOps
Les défis du développement et de l’exploitation des modèles de machine learning
L’importance de MLOps dans l’industrie
Le cycle de vie DevOps pour les modèles de machine learning
Ingénierie en Machine Learning
Création de pipelines reproductibles
Utilisation d’un registre de modèles
Utilité des métadonnées et les moyens de les gérer facilement
Concept de CI/CD adapté au Machine Learning
Techniques de compression
Enjeux de la compression : déploiement sur terminal léger et gains d’efficience
Utilisation de LoRA pour apprendre des modèles de langue affinés
Quantization & pruning pour réduire la taille des modèles
Analyse d’erreur
L’analyse par tranches de données
Explicabilité des modèles avec LIME & SHAP
Mesurer et contrer la dérive des données et des concepts en production
Déploiement et passage à l’échelle
La création d’API avec Python Flask
La déploiement avec Flask, TensorFlow Lite, TensorFlow Serving
Dockerisation d’une API
Présentation du déploiement avec Kubernetes & KubeFlow
Schémas de déploiement
Notions d’architecture big data
Prochaines sessions
du 30 sept. 2026 au 1 oct. 2026 • 2 jours
du 30 sept. 2026 au 1 oct. 2026 • 2 jours
du 30 sept. 2026 au 1 oct. 2026 • 2 jours
du 30 sept. 2026 au 1 oct. 2026 • 2 jours
du 30 sept. 2026 au 1 oct. 2026 • 2 jours
du 14 oct. 2026 au 15 oct. 2026 • 2 jours
du 14 oct. 2026 au 15 oct. 2026 • 2 jours
du 14 oct. 2026 au 15 oct. 2026 • 2 jours
du 14 oct. 2026 au 15 oct. 2026 • 2 jours
du 26 nov. 2026 au 27 nov. 2026 • 2 jours
du 26 nov. 2026 au 27 nov. 2026 • 2 jours
du 26 nov. 2026 au 27 nov. 2026 • 2 jours
du 26 nov. 2026 au 27 nov. 2026 • 2 jours
du 26 nov. 2026 au 27 nov. 2026 • 2 jours
du 31 déc. 2026 au 1 janv. 2027 • 2 jours
du 31 déc. 2026 au 1 janv. 2027 • 2 jours
du 31 déc. 2026 au 1 janv. 2027 • 2 jours
du 31 déc. 2026 au 1 janv. 2027 • 2 jours
Ils nous font confiance
Cette année notre filière CI/CD & Usine Logicielle a accompagné plus de 9 entreprises dont :
Avis des participants
The instructor is very knowledgable. The training was clear and well planned. Thanks a lot for the last 2 days Hugo!
Très bonne formation et très bon formateur. J'aurais souhaitais plus de cas concrets de l'application du Machine Learning dans le cadre OPS / DevOps. Mais l'ensemble reste detrès bonne qualité.
Votre formateur
Camilo R.
Formateur Machine Learning & Google Cloud
Camilo intervient sur des formations portant sur la Data Science et le Machine Learning. Parmi les formations qui lui sont confiées figurent notamment « MLOps » et « PyTorch ». Son activité de formation a débuté en 2024.
Financement
Cette formation est éligible aux financements OPCO et FNE-Formation. Nos équipes vous accompagnent dans le montage de votre dossier.
Questions fréquentes
Combien de temps dure la formation MLOps ?
Cette formation se déroule sur 2 jours.
Quels sont les prérequis pour suivre la formation MLOps ?
Une bonne compréhension du machine learning, des compétences en programmation Python, ainsi qu une familiarité avec les concepts de base en DevOps et conteneurisation.
Quel est le prix de la formation MLOps ?
En inter-entreprises, elle est à 1 600 € HT par participant ; en intra-entreprise, elle est à 3 700 € HT pour le groupe. Un tarif sur-mesure est également disponible sur devis.
La formation MLOps délivre-t-elle une certification ?
Cette formation ne délivre pas de certification. Une attestation de fin de formation vous sera remise à l'issue de la session.
La formation MLOps est-elle éligible à un financement OPCO ?
Oui, cette formation est éligible aux financements OPCO et FNE-Formation. Nos équipes vous accompagnent dans le montage de votre dossier.
Choisissez votre formation
Mon contact chez SPARKS est professionnel et très réactif. Les échanges sont simples, efficaces, et la collaboration se déroule dans d'excellentes conditions.