Formation Automatisation de workflows IA avec ML Pipelines

Module 1 : Introduction aux ML Pipelines

Concepts et architecture des pipelines ML.
Avantages de l’automatisation et de la reproductibilité.

Outils et frameworks : Kubeflow, MLflow, TensorFlow Extended (TFX).
 

Module 2 : Préparation et ingestion des données

Collecte, nettoyage et transformation des données.
Versioning et gestion des datasets pour pipelines ML.

Automatisation de la préparation des données.
 

Module 3 : Entraînement et optimisation des modèles

Création et entraînement automatisé de modèles ML.
Hyperparameter tuning et validation croisée automatisée.

Sélection de modèles et tracking des performances.

Module 4 : Déploiement et orchestration

Déploiement automatisé des modèles en production.
Orchestration de pipelines ML avec Kubeflow et Airflow.

Gestion des mises à jour et rollback des modèles.

Module 5 : Surveillance et maintenance

Monitoring des performances des modèles en production.
Alerting et maintenance prédictive des workflows.

Optimisation continue et bonnes pratiques.

Module 6 : Atelier pratique
Création d’un pipeline ML complet : ingestion, traitement, entraînement, déploiement et monitoring.
Projet pratique guidé avec présentation finale.