- Référence : IDSA
- Durée : 3 jours (21h)
- Lieu : Au choix. À distance ou en présentiel, à Paris ou en Régions
2500€ HT
Choisir une date et RéserverVous pouvez suivre cette formation en direct depuis votre domicile ou votre lieu de travail. Plus d'informations sur notre solution de classe à distance...
Une fois que le code du projet de Data Science a été industrialisé, il reste encore un certain nombre d’étapes pour industrialiser le système au complet. Il s’agira notamment de mettre en place un mécanisme d’orchestration, mais aussi d’être capable de déployer régulièrement, et de suivre le comportement du système.
Cette formation Data Science avancé vous propose de découvrir les systèmes de Data Science industrialisés, et vous fait pratiquer les meilleures méthodes pour faire passer votre projet en production. Elle suit la formation Data Science : Industrialiser un projet de Data Science (OIDS), qui se concentre sur l'industrialisation première d'un projet de data science.
Objectifs opérationnels :
Savoir orchestrer, déployer et monitorer votre projet de data science industrialisé.
Objectifs pédagogiques :
À l'issue de cette formation Data Science avancé, vous aurez acquis les connaissances et compétences nécessaires pour :
Public :
Ce cours Data Science avancé s'adresse principalement aux data scientist, data engineer, machine learning engineer et développeurs d'applications de Data Science.
Prérequis :
Pour suivre cette formation Data Science avancé, il est nécessaire :
- de posséder des connaissances de base en programmation et en scripting
- d'avoir suivi la formation Data Science : Industrialiser un projet de Data Science (OIDS) ou de savoir packager et tester une application Python
- d'avoir suivi la formation Data Scientist : Les fondamentaux de la Data Science (OFDS) ou de savoir modéliser et développer un problème de Data Science simple
Jour 1
Les différents environnements nécessaires
L’intérêt de l’intégration continue et du déploiement continu
Les outils de CI / CD existants
Mise en pratique
Mettre en place un outil d’intégration continue
Description des différents types de tests
Focus sur les tests d’intégrations et fonctionnels
Présentation de framework de tests
Introduction au cloud et aux différents providers
Choix d’un cloud provider pour les travaux pratiques
Le besoin d’orchestration dans un système de Data Science
Présentation de différents orchestrateurs
Mise en pratique
Passer d’un script Python à une série de tâches orchestrées avec Airflow
Jour 2
Patterns d’architecture technique pour favoriser la mise en production et la maintenabilité du projet
Identification des artefacts (modèles, données, code…)
Cycles de vie des artefacts
La démarche
Infrastructure as code
Méthodes pour exposer un modèle de Data Science
Mise en pratique
Interagir avec un modèle existant
Jour 3
Mise en pratique
Passer d’un modèle one-shot à un modèle qui prédit toutes les secondes
À partir d’un flux de données disponibles, mettre en place les outils nécessaires pour faire une prédiction par seconde
L’intérêt des boucles de feedback
Identifier les différentes boucles de feedbacks
Mettre en place les différentes boucles de feedbacks
L’enjeu du monitoring
Les indicateurs à suivre
Les pratiques pour mettre en place un monitoring utile tout en respectant les contraintes de SLA
Choisir le bon moment pour réentraîner un modèle
Les stratégies à mettre en place pour s’assurer que le modèle en production est toujours pertinent
Partage et retour d’expérience
Questions / réponses
Évaluation de la session
Les travaux pratiques représentent 50% du temps de cette formation. Les participants partent d'un modèle de machine learning construit par le formateur qu'ils vont amener en production, étape par étape, en découvrant l'ensemble des briques techniques à mettre en place.
Acquérir les bonnes pratiques de développement et savoir orchestrer, déployer et monitorer son projet
Comprendre les spécificités d'un projet de Data Science pour mieux le piloter de la conception au delivery
Intégrer les problématiques éthiques dans vos projets de Data Science
Formations Informatique
et Management
en ligne à ce jour
+
Stagiaires dans nos salles
de cours sur
l'année
%
De participants satisfaits
ou très satisfaits de nos
formations
Formateurs experts
validés par
PLB