Plan du cours

Introduction aux flux de travail CI/CD pour l'IA

  • Défis uniques des pipelines de livraison de modèles d'IA
  • Comparaison entre les processus DevOps traditionnels et MLOps
  • Composants essentiels du déploiement de modèles automatisé

Conteneurisation des modèles d'IA avec Docker

  • Conception de Dockerfiles efficaces pour l'inférence ML
  • Gestion des dépendances et des artefacts de modèle
  • Construction d'images sécurisées et optimisées

Configuration des pipelines CI/CD

  • Options de logiciels CI/CD et leurs écosystèmes
  • Construction de pipelines pour le conditionnement automatisé des modèles
  • Validation des pipelines avec des vérifications automatisées

Tests des modèles d'IA dans CI

  • Automatisation des contrôles d'intégrité des données
  • Tests unitaires et d'intégration pour les services de modèles
  • Validation des performances et des régressions

Déploiement automatisé de services AI basés sur Docker

  • Déploiement de conteneurs d'IA dans des environnements cloud
  • Mise en œuvre de déploiements blue-green et canary
  • Stratégies de retour arrière pour les déploiements échoués

Gestion des versions et artefacts de modèles

  • Utilisation de registres pour le contrôle de version des modèles et des conteneurs
  • Étiquetage, signature et promotion des images
  • Coordination des mises à jour de modèles entre les services

Surveillance et observabilité dans CI/CD pour l'IA

  • Suivi des performances des pipelines et des modèles
  • Alerte en cas de constructions échouées ou de dérive de modèle
  • Traçage du comportement d'inférence entre les environnements

Évolution des pipelines CI/CD pour les systèmes AI

  • Parallélisation des constructions pour de grands modèles
  • Optimisation des ressources de calcul et de stockage
  • Intégration d'exécuteurs distribués et distants

Résumé et étapes suivantes

Pré requis

  • Une compréhension du cycle de vie des modèles d'apprentissage automatique
  • Une expérience avec la conteneurisation Docker
  • Une familiarité avec les concepts et pipelines CI/CD

Public cible

  • Ingénieurs DevOps
  • Équipes MLOps
  • Ingénieurs AI-ops
 21 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires