Administration des clusters de conteneurs
Cette formation de deux jours offre une immersion complète dans le déploiement et la maintenance des modèles de machine learning en production. Elle explore les concepts et outils essentiels du MLOps, la discipline qui combine les meilleures pratiques du DevOps, du machine learning, et de la gestion des données.
À travers des exercices pratiques, les participants apprendront à mettre en place des pipelines d’intégration continue, à gérer les versions des modèles et des données, à surveiller les performances en production, et à automatiser les processus pour assurer une amélioration continue.
Objectifs pédagogiques
À l’issue de la formation, l’apprenant sera en mesure de :
- Comprendre le rôle et les enjeux du MLOps dans le déploiement de modèles ML.
- Mettre en place un pipeline d’intégration continue (CI/CD) pour le machine learning.
- Conteneuriser, déployer et surveiller des modèles ML en production.
- Automatiser et orchestrer les pipelines de machine learning à grande échelle.
- Appliquer les bonnes pratiques pour la maintenance et l’amélioration continue des modèles.
Public visé
Développeurs, Data scientists et Data
engineers souhaitant déployer et maintenir des modèles d’IA générative en production.
Prérequis : Bases en Machine
Learning, Data Science, Python, bibliothèques courantes (Pandas, Scikit-Learn) et outils de développement (Git, Docker).
Modalités
Formation pratique : supports de cours, études de cas, exercices.
Évaluation via QCM, mises en situation et travaux pratiques.
Feuille d’émargement remise chaque demi-journée.
Attestation délivrée en fin de session complète.
Tarif & durée
1 400 € HT par participant
2 jours (14 heures)
Présentiel ou Distanciel
Dates
Du 22/05/2025 au 23/05/2025
Du 26/06/2025 au 27/06/2025
Programme de la formation
1. Introduction à Docker
- Qu’est-ce que Docker et comment il aide à la gestion des applications
- Architecture de Docker (conteneurs, images, Dockerfile)
- Les commandes de base de Docker (docker run, docker ps, docker stop, docker rm)
2. Création d’images Docker et gestion des registres
- Créer un Dockerfile pour une application simple
- Construire une image Docker à partir d’un Dockerfile
- Gestion des registres (Docker Hub et registres privés)
- Pousser des images vers Docker Hub
3. Déploiement d’applications multi-conteneurs avec Docker Compose
- Introduction à Docker Compose pour la gestion des applications multi-conteneurs
- Déployer une application avec plusieurs services (ex : application web et une base de données)
- Utilisation des volumes Docker pour le stockage de données
4. Introduction à Kubernetes pour la gestion des conteneurs
- Introduction à Kubernetes (architecture, composants de base : Pods, Services, Deployments)
- Déploiement d’une application simple sur Kubernetes
- Interaction avec Kubernetes via Kubectl
Outils \ Méthodes \ Normes
