Se lancer en MLOps par la pratique

Holà! Je m'appelle Alexis Perrier. Je travaillais déjà sur le gradient stochastique au siècle dernier et j'ai vu naître XGBoost. J'ai créé SkatAI.com pour offrir des projets en français en python, data science, machine learning, NLP, MLOps etc ... dans une approche résolument pratique.

Data Scientist Fullstack

La jeune Data Science a grandi rapidement. En 2024, les entreprises recherchent des compétences sur l'ingénierie des données et à la mise en production des modèles. Le data scientist doit sortir de sa zone de confort du pur machine learning pour devenir fullstack et savoir déployer ses modèles en production.
On parle de MLOps.

Cependant, les compétences requises ne sont pas les mêmes en machine learning et en MLOps. Le MLOps demande surtout de maîtriser certains outils et plateformes et moins de mettre en œuvre des concepts probabilistes. Ce n'est qu'en implémentant des projets de taille conséquente en production que l'on peut vraiment passer au niveau supérieur en tant que data scientist fullstack.

C'est pourquoi, j'ai développé ce premier projet d'Introduction au MLOps. Pour vous offrir une première expérience pratique dans ce domaine complexe et en rapide évolution et vous permettre ainsi de booster votre horizon professionnel.

Si vous vous débrouillez avec scikit-learn et que vous souhaitez monter en puissance sur les technos cloud et MLOps, alors ce projet est fait pour vous.

MLOps - DPE
Mise en production d'un pipeline prédictif de diagnostic énergétique DPE sur des données de l'ADEME

En quelques semaines, plongez dans le MLops en transformant un notebook Jupyter à un pipeline de production.

  • Apprenez à produire un code professionnel et structuré (lint, black, makefile)
  • Travaillez sur une instance cloud Azure, Google Cloud ou AWS
  • Automatisez vos déploiements avec Github workflows
  • Automatisez la collecte et la transformation des données avec Airflow
  • Traquez vos expériences, vos jeux de données et vos modèles avec MLflow
  • Détectez la baisse de performance et automatiquement réentraînez vos modèles
  • Servez vos prédictions avec FastAPI

Découvrez le projet MLOps-DPE