Des cours de formation MLOps en direct, en ligne ou sur site, animés par un instructeur, démontrent, par le biais de pratiques pratiques interactives, comment utiliser les outils MLOps pour automatiser et optimiser le déploiement et la maintenance des systèmes ML en production. La formation MLOps est disponible en tant que "formation en direct en ligne" ou "formation en direct sur site". La formation en direct en ligne (alias « formation en direct à distance ») est effectuée au moyen d'un ordinateur de bureau interactif à distance . La formation en direct sur site peut être effectuée localement dans les locaux du client en Ville de Québec ou dans les centres de formation d'entreprise NobleProg en Ville de Québec. NobleProg - Votre fournisseur de formation local
Quebec - Sainte Foy
2828 Boulevard Laurier, Suite 700, Quebec City, Canada, G1V 0B9
Stratégiquement situé à proximité de l'aéroport international et de l'intersection des grands axes routiers, le centre a pour voisins l'Université Laval, des commerces, des hôtels et de nombreux commerces.
Ville de Québec - Complexe Jules-Dallaire
2828 Boulevard Laurier, Ville de Québec, Canada, G1V 0B9
Situé dans le prestigieux développement du Complexe Jules Dallaire, facile d'accès grâce aux transports en commun pratiques du secteur.
Cette formation en direct avec instructeur à Ville de Québec (en ligne ou sur site) s'adresse aux ingénieurs en IA de niveau avancé et aux scientifiques des données ayant une expérience intermédiaire à avancée qui souhaitent améliorer les performances des modèles DeepSeek, minimiser la latence et déployer des solutions d'IA efficacement en utilisant des pratiques modernes MLOps.
A l'issue de cette formation, les participants seront capables de :
Optimiser les modèles DeepSeek en termes d'efficacité, de précision et d'évolutivité.
Mettre en œuvre les meilleures pratiques pour MLOps et le versionnage des modèles.
Déployer des modèles DeepSeek sur une infrastructure cloud et sur site.
Surveiller, maintenir et mettre à l'échelle les solutions d'IA de manière efficace.
Cette formation en direct avec instructeur en Ville de Québec (en ligne ou sur site) est destinée aux développeurs et aux scientifiques des données qui souhaitent construire, déployer et gérer des flux de travail d'apprentissage automatique sur Kubernetes.
À l'issue de cette formation, les participants seront en mesure de :
Installer et configurer Kubeflow sur site et dans le cloud en utilisant AWS EKS (Elastic Kubernetes Service).
Construire, déployer et gérer des flux de travail de ML basés sur des conteneurs Docker et Kubernetes.
Exécuter des pipelines d'apprentissage automatique complets sur diverses architectures et environnements en nuage.
Utiliser Kubeflow pour créer et gérer des carnets Jupyter.
Construire des charges de travail d'entraînement ML, de réglage d'hyperparamètres et de service sur plusieurs plateformes.
Cette formation en direct avec instructeur en Ville de Québec (en ligne ou sur site) est destinée aux développeurs et aux scientifiques des données qui souhaitent construire, déployer et gérer des flux de travail d'apprentissage automatique sur Kubernetes.
À l'issue de cette formation, les participants seront en mesure de :
Installer et configurer Kubeflow sur site et dans le cloud.
Construire, déployer et gérer des flux de travail d'apprentissage automatique basés sur les conteneurs Docker et Kubernetes.
Exécuter des pipelines d'apprentissage machine complets sur diverses architectures et environnements cloud.
Utiliser Kubeflow pour créer et gérer des carnets Jupyter.
Construire des charges de travail d'entraînement ML, de réglage d'hyperparamètres et de service sur plusieurs plateformes.
Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux ingénieurs qui souhaitent déployer des charges de travail Machine Learning sur un serveur AWS EC2.
A l'issue de cette formation, les participants seront capables de :
Installer et configurer Kubernetes, Kubeflow et d'autres logiciels nécessaires sur AWS.
Utiliser EKS (Elastic Kubernetes Service) pour simplifier le travail d'initialisation d'un cluster Kubernetes sur AWS.
Créer et déployer un pipeline Kubernetes pour automatiser et gérer les modèles ML en production.
Entraîner et déployer TensorFlow modèles ML sur plusieurs GPU et machines fonctionnant en parallèle.
Mettre à profit d'autres services gérés AWS pour étendre une application ML.
Cette formation en direct avec instructeur (en ligne ou sur site) est destinée aux ingénieurs qui souhaitent déployer des charges de travail Machine Learning dans le nuage Azure.
A l'issue de cette formation, les participants seront capables de :
Installer et configurer Kubernetes, Kubeflow et d'autres logiciels nécessaires sur Azure.
Utiliser Azure Kubernetes Service (AKS) pour simplifier le travail d'initialisation d'un cluster Kubernetes sur Azure.
Créer et déployer un pipeline Kubernetes pour automatiser et gérer les modèles ML en production.
Entraîner et déployer TensorFlow modèles ML sur plusieurs GPU et machines fonctionnant en parallèle.
Mettre à profit d'autres services gérés AWS pour étendre une application ML.
Cette formation en direct (en ligne ou sur site) est destinée aux data scientists qui souhaitent aller au-delà de la construction de modèles ML et optimiser le processus de création, de suivi et de déploiement des modèles ML.
A l'issue de cette formation, les participants seront capables de :
Installer et configurer MLflow et les bibliothèques et frameworks ML associés.
Apprécier l'importance de la traçabilité, de la reproductibilité et de la déployabilité d'un modèle ML
Déployer des modèles de ML sur différents clouds publics, plateformes ou serveurs sur site.
Mettre à l'échelle le processus de déploiement du ML afin d'accommoder plusieurs utilisateurs collaborant à un projet.
Mettre en place un registre central pour expérimenter, reproduire et déployer des modèles de ML.
Cette formation en direct (en ligne ou sur site) s'adresse aux ingénieurs qui souhaitent évaluer les approches et les outils disponibles aujourd'hui afin de prendre une décision intelligente sur la voie à suivre pour adopter MLOps au sein de leur organisation.
A l'issue de cette formation, les participants seront capables de :
Installer et configurer divers cadres et outils MLOps.
Assembler le bon type d'équipe avec les bonnes compétences pour construire et soutenir un système MLOps.
Préparer, valider et modifier les données en vue de leur utilisation par les modèles de ML.
Comprendre les composants d'un pipeline de ML et les outils nécessaires pour en construire un.
Expérimenter différents cadres et serveurs d'apprentissage automatique pour les déployer en production.
Opérationnaliser l'ensemble du processus Machine Learning pour qu'il soit reproductible et maintenable.
Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux ingénieurs en apprentissage automatique qui souhaitent utiliser Azure Machine Learning et Azure DevOps pour faciliter les pratiques MLOps.
À l'issue de cette formation, les participants seront en mesure de :
Construire des flux de travail reproductibles et des modèles d'apprentissage automatique.
Gérer le cycle de vie de l'apprentissage automatique.
Suivre et rapporter l'historique des versions des modèles, les actifs, et plus encore.
Déployer des modèles d'apprentissage automatique prêts pour la production n'importe où.
En savoir plus...
Dernière Mise À Jour:
Nos clients témoignent (3)
l'écosystème ML comprend non seulement MLFlow mais aussi Optuna, hyperops, docker et docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Formation - MLflow
Traduction automatique
La qualité des explications, et le nombre important de sujets abordés
Hugo SECHIER - Expleo France
Formation - Kubeflow on AWS
J'ai apprécié de participer à la formation Kubeflow, qui s'est déroulée en ligne. Cette formation m'a permis de consolider mes connaissances sur les services AWS, K8s et tous les outils DevOps associés à Kubeflow, qui sont les bases nécessaires pour aborder correctement le sujet. Je tiens à remercier Malawski Marcin pour sa patience et son professionnalisme dans la formation et ses conseils sur les meilleures pratiques. Malawskiaborde le sujet sous différents angles, avec divers outils de déploiement Ansible, EKS kubectl, Terraform. Maintenant, je suis définitivement convaincu que je m'oriente vers le bon domaine d'application.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
MLOps formation à Ville de Québec, Weekend MLOps cours à Ville de Québec, Soir MLOps formation à Ville de Québec, MLOps formateur en ligne à Ville de Québec, MLOps formation à Ville de Québec, MLOps cours du soir à Ville de Québec, MLOps formation Intra à Ville de Québec, MLOps formation Intra Entreprise à Ville de Québec, MLOps formation Inter à Ville de Québec, MLOps formation Inter Entreprise à Ville de Québec, MLOps sur place à Ville de Québec, MLOps stage de préparation à Ville de Québec, MLOps cours privé à Ville de Québec, Weekend MLOps formation à Ville de Québec, MLOps entraînement à Ville de Québec, MLOps coaching à Ville de Québec, MLOps instructeur à Ville de Québec, MLOps professeur à Ville de Québec,MLOps cours à Ville de Québec, MLOps cours particuliers à Ville de Québec, MLOps préparation à Ville de Québec, MLOps préparation aux examens à Ville de Québec, Soir MLOps cours à Ville de Québec, MLOps coach à Ville de Québec, MLOps formateur à Ville de Québec
