Automatiser les déploiements et versions de modèles avec MLOps et LLMOps

• Automatiser les déploiements et versions de modèles IA
• Mettre en œuvre les pratiques MLOps et LLMOps
• Fiabiliser le cycle de mise à jour des modèles

ML engineers, ingénieurs DevOps, data scientists, architectes

Connaissance des pratiques DevOps et du déploiement de modèles

• Définir les principes du MLOps et du LLMOps et leurs différences
• Structurer les dépôts de code, de données et de modèles
• Mettre en place l’intégration continue des composants IA
• Automatiser l’entraînement et l’évaluation des modèles
• Gérer le registre des modèles et le suivi des versions
• Automatiser le déploiement vers les environnements cibles
• Versionner les prompts et les configurations des modèles de langage
• Mettre en œuvre les tests de non-régression des réponses
• Organiser le retour arrière et le déploiement progressif
• Superviser les modèles déployés et tracer les mises à jour

• Concevoir un pipeline de déploiement de modèle automatisé
• Définir la stratégie de versions d’un modèle de langage
• Écrire les tests de non-régression d’un assistant IA

• Modèle de pipeline MLOps pour le déploiement d’un modèle
• Check list de mise en production d’un modèle de langage
• Guide de gestion des versions de modèles et de prompts