Formateur·rice MLOps : déploiement de modèles — Région Rabat Salé Kénitra

Villes concernées

Votre rôle chez FormaGroup

Cette mission de formation s’adresse aux spécialistes capables d’accompagner des data scientists, ingénieurs machine learning, développeurs et ingénieurs DevOps dans la structuration du cycle de vie des modèles, de l’expérimentation au suivi en production. Les interventions peuvent se dérouler en présentiel ou à distance, dans la région, notamment à Rabat, Salé, Témara et Kénitra.

Missions confiées

1. 1Présenter les étapes du cycle de vie du machine learning et les principes MLOps, de l’expérimentation initiale jusqu’au déploiement et au suivi en production.
2. 2Guider les participants dans le suivi des expériences, la gestion des versions de modèles et la tenue d’un registre permettant de retrouver les choix et résultats obtenus.
3. 3Faire construire un pipeline reproductible d’entraînement, en intégrant la préparation des données et les pratiques nécessaires pour retracer les versions utilisées.
4. 4Encadrer la création d’une API de prédiction et la conteneurisation d’un service de machine learning.
5. 5Faire pratiquer l’automatisation CI/CD des étapes de validation et de livraison des modèles, puis expliquer les stratégies de déploiement et de retour arrière.
6. 6Apprendre aux participants à surveiller la qualité d’un modèle en production, à repérer les dérives et à envisager le réentraînement.

Programme de formation à animer

Une maîtrise pédagogique des thèmes suivants est attendue :

Public à former

Approche pédagogique attendue

• Organiser les apports autour des étapes du cycle de vie ML et relier chaque principe MLOps à une situation concrète de développement ou d’exploitation.
• Faire réaliser des exercices guidés de suivi d’expériences, de versionnement et de construction d’un pipeline d’entraînement reproductible.
• Proposer un atelier de création et de conteneurisation d’une API de prédiction, puis faire pratiquer les étapes automatisées de validation et de livraison.
• Mettre en situation les participants sur le déploiement, le retour arrière et l’interprétation de signaux de monitoring liés à la qualité ou à la dérive d’un modèle.
• Vérifier la compréhension des savoir-faire visés au fil des exercices, notamment la capacité à retracer les versions, livrer un modèle et en surveiller le comportement.

Profil recherché

• Vous maîtrisez les pratiques MLOps permettant de structurer l’expérimentation, le versionnement, la reproductibilité, le déploiement et le suivi de modèles de machine learning.
• Vous êtes capable d’enseigner concrètement le suivi des expériences et le registre de modèles, la préparation des données, la création d’API de prédiction et la conteneurisation.
• Vous savez expliquer et faire pratiquer l’automatisation CI/CD, les stratégies de retour arrière, la surveillance de modèles et la détection des dérives.
• Vous avez une expérience de la formation d’adultes et savez rendre accessibles les étapes techniques d’un cycle de vie ML à des publics professionnels.

Atouts appréciés

• Une pratique de projets d’intelligence artificielle réunissant des enjeux de machine learning, de développement et de déploiement est un atout pour illustrer les liens entre ces domaines.
• La capacité à adapter les exercices aux besoins de data scientists, d’ingénieurs machine learning, de développeurs et d’ingénieurs DevOps sera appréciée.

Disponibilité et mobilité

Compétences clés

Mots-clés de l’offre