Introduction

Leçon 01 · MLOps

Objectifs

Comprendre ce qu'est le MLOps et pourquoi un bon score ne suffit pas.
Voir en quoi les systèmes de ML diffèrent du logiciel classique.
Découvrir le cycle de vie sur lequel s'appuie le reste du cours.

Qu'est-ce que le MLOps ?

Le MLOps applique les pratiques d'ingénierie et d'exploitation au cycle de vie du machine learning, afin de construire, livrer et maintenir des modèles de façon fiable et reproductible.

Pourquoi c'est important

Un modèle qui fonctionne dans un notebook n'est pas un produit. La production ajoute la dérive des données, la reproductibilité, le déploiement, la mise à l'échelle et la surveillance, que l'étape de modélisation seule ne couvre pas.

Le cycle de vie du ML

Collecte et versionnage des données.
Expérimentation et suivi.
Pipelines d'entraînement et automatisation.
Déploiement.
Surveillance et retours.

Suivant : Le cycle de vie du ML (à venir) · Vue d'ensemble du cours