Formation Formation MLOps et DataOps sur Google Cloud

Introduction MLOps & DataOps sur Google Cloud

• —Définition et importance de MLOps et DataOps
• —Écosystème Google Cloud pour l'IA/ML (Vertex AI, Dataflow, Cloud Storage, etc.)
• —Vue d'ensemble du cycle de vie du Machine Learning en production
• —Rappels sur les fondamentaux du Big Data et du Machine Learning

Ingestion et préparation des données pour le ML

• —Stratégies d'ingestion de données sur Google Cloud (Cloud Storage, BigQuery)
• —Nettoyage et transformation des données avec Dataflow et Dataproc
• —Gestion des schémas et des versions de données
• —Bonnes pratiques de préparation des données pour les modèles

Architecture de données pour le MLOps

• —Conception de lacs de données et entrepôts de données sur GCP
• —Utilisation de BigQuery pour l'analyse exploratoire et l'ingénierie de fonctionnalités
• —Streaming de données avec Pub/Sub et Dataflow
• —Sécurité et gouvernance des données sur Google Cloud

Développement de modèles avec Vertex AI Workbench

• —Créer et configurer un environnement Vertex AI Workbench pour le développement ML
• —Développer des modèles de machine learning avec AutoML et entraînement personnalisé
• —Utiliser des notebooks Jupyter pour explorer et visualiser les données efficacement
• —Intégrer des bibliothèques et frameworks populaires pour optimiser le développement ML
• —Collaborer avec des équipes via le partage de notebooks et la gestion des versions

Entraînement distribué et hyperparamétrage

• —Entraînement de modèles à grande échelle avec Vertex AI Training
• —Utilisation de Scikit-learn, TensorFlow et PyTorch sur Vertex AI
• —Optimisation des hyperparamètres avec Vertex AI Vizier
• —Monitoring des entraînements et des ressources

Gestion des modèles et registres MLOps

• —Enregistrement et versioning des modèles avec Vertex AI Model Registry
• —Suivi du lignage des modèles et des métadonnées
• —Artéfacts du modèle et intégration CI/CD
• —Organisation et partage des modèles au sein de l'équipe

Déploiement de modèles en production (Online & Batch)

• —Déploiement de modèles pour l'inférence en ligne avec Vertex AI Endpoints
• —Déploiement de modèles pour l'inférence par lots avec Vertex AI Batch Prediction
• —Configuration des points de terminaison et des prévisions
• —Stratégies de déploiement (Canary, Blue/Green)

Monitoring des modèles en production

• —Suivi des performances des modèles (dérive des données, dérive du concept)
• —Utilisation de Vertex AI Model Monitoring pour la détection d'anomalies
• —Alerting et intégration avec Cloud Monitoring et Cloud Logging
• —Mesure de la qualité des prédictions et des impacts métier

Automatisation du pipeline MLOps avec Vertex AI Pipelines

• —Introduction à KubeFlow Pipelines et Vertex AI Pipelines
• —Création de composants de pipeline (préprocessing, entraînement, déploiement)
• —Orchestration de workflows ML complexes
• —Gestion des versions de pipeline et réexécution

Intégration CI/CD pour MLOps

• —Principes de l'intégration continue et du déploiement continu en MLOps
• —Utilisation de Cloud Build pour l'automatisation des builds ML
• —Déploiement de pipelines MLOps via CI/CD
• —Tests automatisés des modèles et des pipelines

Sécurité et Gouvernance en MLOps sur GCP

• —Gestion des accès avec IAM pour les ressources ML
• —Sécurité des données et des modèles (chiffrement, audits)
• —Conformité réglementaire et éthique dans l'IA
• —Journalisation des activités et traçabilité pour les pipelines MLOps

Cas pratiques avancés & Bonnes pratiques MLOps

• —Mise en œuvre d'un pipeline MLOps de bout en bout : Étude de cas
• —Résolution de problèmes courants en MLOps
• —Optimisation des coûts des ressources ML sur GCP
• —Stratégies d'adoption MLOps en entreprise et roadmap

OPCO

Formations financées via votre opérateur de compétences

FAF

Aide à la formation pour les indépendants

France Travail

Des aides pour les demandeurs d'emploi

Employeur

Votre entreprise peut financer votre formation

FNE-Formation

Un soutien pour les entreprises en transformation

- Connaissances fondamentales en Machine Learning. - Familiarité avec le Cloud Computing (concepts de base GCP est un plus). - Maîtrise d'un langage de programmation (Python recommandé). - Expérience avec les outils de ligne de commande (CLI).

- Ordinateur portable avec connexion internet stable. - Compte Google Cloud Platform (un guide sera fourni pour la création si nécessaire, avec utilisation des crédits gratuits). - Navigateur web moderne (Chrome, Firefox). - Environnement de développement Python (Anaconda/Miniconda ou virt-env recommandé).

5 tests d'évaluation sont proposés à l'apprenant en fin de formation pour connaître son niveau sur chaque compétences visées.

Plateforme et contenus e-learning à disposition. Test de positionnement Quizz & Evaluations

Nous vous recevons lors d’un rendez-vous d’information préalable gratuit et confidentiel en visioconférence pour analyser vos besoins et co-construire votre parcours personnalisé. Chaque demande s’accompagne de la remise d’une convention ou d’un contrat précisant l’ensemble des informations relatives à la formation (Tarifs, calendrier, durée, lieu…). Ce contrat/convention sera transmis électroniquement par email.

A partir de l’accord de prise en charge par le financeur sollicité, le bénéficiaire peut démarrer sous un délai de 11 jours ouvrés. Si vous financez votre parcours de formation par vos propres moyens, alors le délai d'accès est immédiat. Vous pouvez entrer en formation tout au long de l’année.

♿️ Nous accueillons les personnes en situation de handicap. Les conditions d’accessibilité aux personnes handicapées sont inscrites sur le site imi-education.fr, rubrique Accessibilité.

Saskia Cazettes Pour tout renseignement : 07 80 91 06 14 / saskia.c@imi-executive-solutions.com

23 mars 2026

La formation alterne apports théoriques, mises en situation pratiques et échanges entre participants. Chaque concept est directement appliqué via des exercices concrets et des cas réels.

Oui, chaque participant reçoit un support de cours complet (format numérique et/ou papier) qu'il peut conserver à l'issue de la formation.

Certaines de nos formations sont éligibles au Compte Personnel de Formation (CPF). Consultez la fiche formation ou contactez-nous pour vérifier l'éligibilité.

Plusieurs dispositifs de financement existent : CPF, OPCO, plan de développement des compétences, financement individuel. Notre équipe peut vous accompagner dans vos démarches.

Oui, notre équipe reste disponible pour toute question post-formation. Vous bénéficiez également d'un accès à nos ressources en ligne pendant 6 mois après votre parcours.

Les pipelines MLOps et DataOps sur Google Cloud permettent d'accélérer les projets Big Data et IA en automatisant les tâches de préparation et de traitement des données, ainsi que la mise en production et la surveillance des modèles ML.

Cette formation est conçue pour les experts en développement de modèles ML qui souhaitent maîtriser les outils et les technologies de Google Cloud pour mettre en œuvre des pipelines MLOps et DataOps.

Vous acquerrez les compétences nécessaires pour concevoir, déployer et surveiller des pipelines MLOps/DataOps sur Google Cloud, ainsi que pour développer des modèles ML robustes et scalables.

Notre organisme de formation s'engage à accueillir et accompagner les personnes en situation de handicap. Notre référente handicap, Mme Lorène Travaux est disponible pour étudier avec vous les adaptations pédagogiques, techniques ou logistiques nécessaires avant toute inscription. Contactez-nous à hello@imi-executive-solutions.com ou au 06 72 09 69 52.