← Retour aux formations

Intelligence Artificielle & Data

Opérationnaliser le ML et l'IA générative sur Azure (AI-300) : MLOps, GenAIOps, CI/CD avec GitHub Actions et supervision

Avancé
Intelligence Artificielle & Data

À propos de cette formation

Data scientists, ML engineers et DevOps souhaitant déployer et opérationnaliser des solutions IA sur Azure, avec des bases en Python, Machine Learning et CI/CD.

Objectifs de la formation

  • check_circleConcevoir et mettre en œuvre une architecture MLOps sur Azure
  • check_circleGérer le cycle de vie complet des modèles ML avec Azure Machine Learning
  • check_circleDéployer et opérationnaliser des applications d'IA générative (GenAIOps)
  • check_circleMettre en place des pipelines CI/CD et l'automatisation avec GitHub Actions
  • check_circleSuperviser, analyser et optimiser des systèmes IA en production

Programme détaillé

Module 1 — Opérationnaliser des modèles Machine Learning (MLOps)

  • Expérimenter avec Azure Machine Learning
  • Réglage des hyperparamètres avec Azure Machine Learning
  • Exécuter des pipelines dans Azure Machine Learning
  • Déclencher des travaux Azure Machine Learning avec GitHub Actions
  • Déclencher GitHub Actions avec le développement basé sur les fonctionnalités
  • Utiliser des environnements dans GitHub Actions
  • Déployer un modèle avec GitHub Actions
  • Travaux pratiques : trouver le meilleur modèle avec AutoML, tuning d'hyperparamètres, créer et exécuter un pipeline ML, automatiser avec GitHub Actions, déployer un modèle avec Azure ML CLI

Module 2 — Opérationnaliser les applications d'IA générative (GenAIOps)

  • Planifier et préparer une solution GenAIOps
  • Gérer les prompts pour les agents dans Microsoft Foundry avec GitHub
  • Évaluer et optimiser les agents IA via des expérimentations structurées
  • Automatiser les évaluations IA avec Microsoft Foundry et GitHub Actions
  • Surveiller une application d'IA générative
  • Analyser et déboguer une application d'IA générative avec le traçage
  • Travaux pratiques : planifier une solution GenAIOps, gérer des prompts avec GitHub, évaluer et optimiser des agents IA, automatiser des évaluations, surveiller et déboguer une application avec le traçage

Prérequis

Python, bases en Machine Learning, notions DevOps (Git, CI/CD, ligne de commande). Support de cours officiel en anglais — bonne compréhension de l'anglais écrit requise.