Devenez opérationnel

Gestion du cycle de vie des modèles avec MLflow

Ce module permet aux participants de structurer, suivre, versionner, comparer, déployer et monitorer des modèles de Machine Learning avec MLflow. Il s’adresse à des data scientists et ML engineers disposant déjà de connaissances en Machine Learning et en Python. La formation vise à leur permettre de passer d’une logique d’expérimentation isolée à une démarche structurée de gestion du cycle de vie des modèles, intégrant le suivi des paramètres, métriques, artefacts, versions, déploiements et évolutions des modèles. La formation couvre les principes du MLOps, les composants de MLflow, le suivi des expériences, la comparaison de runs, la gestion des artefacts, le model registry, la mise en production, le monitoring et l’automatisation des expérimentations. L’approche pédagogique privilégie la pratique : les participants instrumentent un projet ML avec MLflow Tracking, comparent plusieurs expérimentations, enregistrent un modèle, gèrent ses versions, préparent son déploiement et définissent les éléments de suivi nécessaires après mise en exploitation.

Objectifs de la formation

Suivre et versionner les modèles ML.
Déployer et monitorer les modèles.
Automatiser les expériences ML.

Public

Data scientists
ML engineers

Prérequis

Connaissances en ML et Python

Contenu de la formation

Comprendre le cycle de vie d’un modèle ML et les enjeux MLOps

Identifier les étapes du cycle de vie d’un modèle dans un projet type.
Repérer les risques liés à une absence de traçabilité.
Définir les informations à suivre pour rendre une expérimentation reproductible.

Installer, configurer et prendre en main MLflow Tracking

Installer ou utiliser un environnement MLflow préparé.
Créer une première expérience.
Lancer un run.
Enregistrer des paramètres et métriques.
Visualiser les résultats dans MLflow UI.
Ajouter un artefact simple.

Instrumenter un entraînement Machine Learning avec MLflow

Entraîner un modèle ML simple.
Ajouter le suivi MLflow dans le script.
Enregistrer les hyperparamètres.
Enregistrer les métriques de performance.
Enregistrer le modèle et les artefacts associés.
Vérifier les résultats dans MLflow UI.

Comparer les runs et sélectionner un modèle

Lancer plusieurs runs avec différents paramètres.
Comparer les performances.
Identifier le meilleur modèle selon une métrique cible.
Formaliser une justification du choix réalisé.

Enregistrer et versionner les modèles avec MLflow Model Registry

Enregistrer un modèle dans le Model Registry.
Créer une nouvelle version.
Ajouter une description.
Comparer deux versions.
Simuler une transition vers un stade de validation ou de production.

Préparer le déploiement d’un modèle MLflow

Charger un modèle enregistré.
Réaliser une inférence sur de nouvelles données.
Vérifier la cohérence des prédictions.
Préparer les éléments nécessaires au déploiement.
Identifier les dépendances à documenter.

Monitorer les modèles et organiser le suivi en production

Définir les indicateurs de suivi d’un modèle.
Identifier les alertes nécessaires.
Proposer un plan simple de monitoring.
Définir les conditions de réentraînement.
Documenter les limites du modèle.

Automatiser les expériences ML

Automatiser plusieurs runs avec différents paramètres.
Enregistrer les résultats dans MLflow.
Comparer les runs générés.
Identifier le meilleur modèle.
Structurer le script pour une réutilisation future.

Cas pratique de synthèse

préparer un jeu de données
entraîner plusieurs modèles ou configurations
suivre les paramètres avec MLflow Tracking
enregistrer les métriques de performance
enregistrer les artefacts utiles
comparer les runs
sélectionner un modèle final
enregistrer le modèle dans le Model Registry
créer ou identifier une version
recharger le modèle pour inférence
définir les indicateurs de monitoring
présenter les choix, résultats et limites

Equipe pédagogique

Le formateur mobilisé pour ce module dispose d’une expertise confirmée en Machine Learning, MLOps, Python et gestion du cycle de vie des modèles avec MLflow.

Référent pédagogique et technique
Haciba, responsable pédagogique, est à votre disposition pour toute question relative au contenu, aux objectifs ou à l’organisation de la formation. Vous pouvez la joindre par téléphone au 01 53 90 15 20 ou par mail : esic(@)esic-online.com. Nous encourageons les apprenants à prendre contact pour toute précision ou pour discuter d’éventuels besoins spécifiques liés à leur parcours.

Suivi de l'exécution et évaluation des résultats

Dispositions spécifiques à cette formation

Questions de validation sur expériences, runs, paramètres, métriques et artefacts.
Vérification de la capacité à instrumenter un entraînement avec MLflow Tracking.
Le cas pratique de synthèse permet de vérifier la capacité du participant à suivre, versionner, préparer au déploiement, monitorer et automatiser des expériences ML avec MLflow.

Dispositions relatives à l’ensemble des formations

Nous mettons en place un suivi rigoureux et une évaluation complète des résultats pour garantir la qualité et l’efficacité de nos formations.

Avant la formation:
- Entretien individuel ou questionnaire de positionnement: Permet d’analyser les besoins spécifiques des participants et d’ajuster les contenus pédagogiques en conséquence.
Pendant la formation:
- Exercices pratiques et mises en situation: Ces activités sont intégrées tout au long de la formation pour valider les acquis en temps réel.
- Feuilles de présence: Chaque participant émarge une feuille de présence par demi-journée, également signée par le formateur, assurant le suivi administratif.
Après la formation:
- Questionnaire de satisfaction à chaud: Administré immédiatement après la formation pour recueillir un retour sur la qualité des contenus et de l’animation.
- Questionnaire de satisfaction à froid: Envoyé trois mois après la formation pour évaluer l’impact réel sur les pratiques professionnelles.
- Questionnaire d’auto-évaluation possible: Permet aux participants de mesurer leurs progrès à l’issue de la formation.
- Certification(optionnelle) : Passage de la certification en conditions d’examen ou via télésurveillance, selon le dispositif retenu.
- Certificat de réalisation: Remis à l’issue de la formation, attestant de la participation effective des apprenants.

Nous veillons à accompagner les participants avant, pendant et après la formation pour maximiser leur progression et mesurer les retombées concrètes dans leur environnement professionnel.

Ressources techniques et pédagogiques

Accessibilité

Nous accordons une attention particulière à l’accueil des personnes en situation de handicap. Si vous êtes concerné(e) et souhaitez suivre cette formation, nous vous invitons à nous contacter dès que possible. Ensemble, nous étudierons vos besoins spécifiques et mettrons en place les adaptations nécessaires pour garantir votre accès à la formation dans les meilleures conditions.

Délai d'accès

L’inscription à cette formation est possible dans un délai de 2 semaines avant le début de la session. Ce délai permet de finaliser les démarches administratives, de confirmer la prise en charge éventuelle des frais de formation et d’assurer une préparation optimale des participants.

Pour toute demande spécifique ou situation particulière, nous vous invitons à nous contacter afin d’étudier ensemble les possibilités d’adaptation.

Prérequis technique

Pour suivre cette formation dans de bonnes conditions, les moyens techniques suivants sont requis :

En présentiel:
- Tableau blanc ou paperboard, et un vidéoprojecteur pour les présentations.
- Outils pour le partage de documents avec les formateurs et autres participants.
À distance:
- Un logiciel de visioconférencecompatible (Teams, Zoom ou équivalent) pour participer aux sessions en ligne.
- Possibilité de partage d’écran entre le formateur et les participants.
- Accès à une plateforme pour le partage des documents pédagogiques et supports de formation.
- Connexion internet haut débit pour garantir une expérience fluide et interactive.

Nous vous recommandons de vérifier la disponibilité et la fonctionnalité de ces moyens techniques avant le début de la formation. En cas de difficulté, n’hésitez pas à nous contacter pour trouver une solution adaptée.