Pratiques MLOps avec Red Hat OpenShift AI (AI500)

Ce cours montre comment des individus occupant différents rôles doivent apprendre à partager, collaborer et travailler vers un objectif commun pour en tirer des bénéfices et stimuler l'innovation.

Il s'avère particulièrement utile pour les profils suivants :

- Utilisateurs de plateformes MLOps : équipes de science des données, d'ingénierie des données et de développement d'applications
- Fournisseurs de plateformes MLOps : équipes d'ingénierie en apprentissage automatique, MLOps et de plateforme
- Parties prenantes de plateformes MLOps : architectes et responsables informatiques

Ce scénario englobe les aspects techniques de l'utilisation des systèmes d'apprentissage automatique et apporte des informations pratiques sur la manière dont les différents rôles peuvent harmoniser leurs efforts.

Vous apprendrez à apporter continuellement de la valeur à vos clients en accélérant le déploiement de nouveaux modèles sur le marché. Nos instructeurs vous partageront leur expérience et les meilleures pratiques qu'ils ont acquises en s'impliquant directement auprès des clients dans le cadre de contrats de services Red Hat.

A l'issue de cette formation, les participants seront en mesure de :

• Suivre l'évolution d'un cas d'utilisation d'une application intelligente prédictive, de la conception à la production en passant par le test en boucle interne, en amenant différents profils à collaborer facilement à l'aide d'une seule plateforme.
• Décrire les pratiques MLOps et la manière dont elles s'appuient les unes sur les autres pour améliorer l'alignement des équipes et l'efficacité de la distribution.
• Appliquer des principes MLOps pour faciliter le développement et le déploiement de modèles d'AA
• Maîtriser des outils et processus modernes, qui couvrent l'ensemble du cycle de vie, du développement en boucle interne à l'exploitation en boucle externe
• Utiliser les meilleurs outils Open Source et comment les associer pour créer, déployer et assurer la maintenance des modèles d'IA en production de manière fiable et efficace.

Compétences renforcées en matière de styles de codage collaboratif grâce à la programmation en binômes et en groupes.

Ce cours associe des pratiques culturelles et techniques pour offrir une expérience unique et captivante riche en applications concrètes. La plupart des formations sur l'IA se concentrent sur un framework ou une technologie spécifique.

Le MLOps, qu'est-ce que c'est ?

Explorez les principes, pratiques et éléments culturels du modèle MLOps dans le cadre de développements et de déploiements de modèles d'AA

Boucle interne

Familiarisez-vous avec les outils nécessaires pour créer et tester un modèle : créez une interface de travail, explorez un ensemble de données, surveillez des tests et déployez des modèles.

Pipelines d'entraînement

Automatisez les étapes précédentes pour effectuer la mise en production de l'entraînement des modèles.

Boucle externe

Découvrez le modèle MLOps, un ensemble de pratiques qui automatise et simplifie les workflows et les déploiements d'apprentissage automatique.
Créez un environnement MLOps qui servira à l'exécution du pipeline d'entraînement continu, du déploiement automatisé et des outils sous-jacents.

Surveillance

Plusieurs facteurs peuvent affecter les modèles d'apprentissage automatique, notamment les modifications des modèles de données, les changements de comportement des utilisateurs et l'évolution des conditions externes. Grâce à la surveillance continue, identifiez ces modifications de manière proactive, évaluez leur impact sur la précision du modèle et apportez les ajustements nécessaires pour maintenir des performances optimales.

Gestion des versions de données

Améliorez la traçabilité en introduisant la gestion des versions pour les ensembles de données au fil de leur évolution.

Déploiements avancés

Gérez correctement les processus de traitement préalable et ultérieur des données et des prédictions, découvrez la mise à l'échelle automatique pour gérer les charges et introduisez des modèles de déploiement avancés (modèles canary et bleu-vert par exemple) afin d'assurer la sécurité et la simplicité des processus.

Systèmes de fonctions

Découvrez des méthodes fiables pour gérer les fonctions de données et leurs modifications, et veillez à leur homogénéité entre l'entraînement et la distribution.

Sécurité

Mettez en œuvre des mesures de sécurité automatisées pour assurer la conformité avec les pratiques de sécurité de l'entreprise et appliquez-les aux modèles.

• Avoir passé en revue la Présentation technique des conteneurs, de Kubernetes et de Red Hat OpenShift (DO080) ou avoir une compréhension de base d'OpenShift/Kubernetes et des conteneurs (conseillé)
• Avoir une compréhension approfondie de l'IA ou suivi le parcours de formation sur les bases de l'IA avec Red Hat (recommandé)

Il est vivement recommandé de passer l'évaluation gratuite pour s'assurer que le cours est adapté aux compétences du participant  Red Hat Skills Assessment.

• Un support de cours officiel sera fourni aux participants.
• Vous pouvez accéder au contenu de ce cours en e-learning en faisant l'acquisition d'une souscription RedHat RHLS Standard (accès à l'intégralité de l'offre RedHat E-learning) - Nous contacter