Maîtriser l'industrialisation d'un projet de Data Science
- Durée
- Durée :5 jours
- Niveau
- Niveau :Intermédiaire
- Certification
- Certification :Non
3825€ HT
Prochaine session :
Data Science : Industrialisation avancée d'un projet de Data Science
Orchestration, déploiement et monitoring4,3/5
Avec 3 avisDescription de la formation Data Science avance
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.
Programme de la formation
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 :
- Découvrir le découpage d’un projet de Machine Learning en différentes briques et les organiser
- Savoir construire l'architecture applicative d'un projet Data Science
- Déployer son application de Machine Learning en production et interagir avec
- Faire consommer des données chaque seconde à une application de Machine Learning
- Mesurer les performances de son application de Machine Learning
Jour 1
Introduction à la CI / CD
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
Pyramide de tests
Description des différents types de tests
Focus sur les tests d’intégrations et fonctionnels
Présentation de framework de tests
Cloud
Introduction au cloud et aux différents providers
Choix d’un cloud provider pour les travaux pratiques
Orchestration
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
Architecture
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
Déploiement
La démarche
Infrastructure as code
Exposition
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
Feedback loops
L’intérêt des boucles de feedback
Identifier les différentes boucles de feedbacks
Mettre en place les différentes boucles de feedbacks
Monitoring
L’enjeu du monitoring
Les indicateurs à suivre
Les pratiques pour mettre en place un monitoring utile tout en respectant les contraintes de SLA
Réentraînement des modèles
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
Bilan et clôture
Partage et retour d’expérience
Questions / réponses
Évaluation de la session
Public cible :
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
J'évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Date de mise à jour du programme : 27/08/2025
Dates et lieux
Période souhaitée
Lieux
Type d'affichage