Blame
|
1 | # MLOps |
||||||
| 2 | ||||||||
| 3 | Mettre les systèmes de machine learning en production : reproductibilité, automatisation, |
|||||||
| 4 | déploiement et surveillance. |
|||||||
| 5 | ||||||||
| 6 | **Prérequis :** le cours [Machine Learning](/fr/Machine%20Learning), bases de la ligne de commande et de Git. |
|||||||
| 7 | ||||||||
| 8 | ## Programme |
|||||||
| 9 | ||||||||
| 10 | 1. [Introduction](/fr/MLOps/01%20Introduction) |
|||||||
| 11 | 2. Le cycle de vie du ML *(à venir)* |
|||||||
| 12 | 3. Suivi des expériences *(à venir)* |
|||||||
| 13 | 4. Versionnage des données et des modèles *(à venir)* |
|||||||
| 14 | 5. Pipelines et automatisation *(à venir)* |
|||||||
| 15 | 6. Déploiement des modèles *(à venir)* |
|||||||
| 16 | 7. Surveillance et observabilité *(à venir)* |
|||||||
| 17 | ||||||||
| 18 | --- |
|||||||
|
19 | [Machine Learning](/fr/Machine%20Learning) · [Accueil](/fr) |
||||||
