Formation Formation MLOps et DataOps : Concevoir, déployer, surveiller des pipelines

Introduction au MLOps & DataOps et ses enjeux

• —Définition et principes fondamentaux du MLOps
• —Comprendre les défis du déploiement de modèles en production
• —Introduction au DataOps : alignement données et opérations
• —Architecture typique d'un pipeline MLOps

Fondamentaux de Python pour l'IA et l'infrastructure

• —Rappel des bases de Python orienté données (Numpy, Pandas)
• —Manipulation de fichiers et interaction avec le système
• —Gestion des environnements virtuels (venv, Conda)
• —Introduction aux bonnes pratiques de code Python

Introduction à MLflow pour le suivi des expérimentations

• —Présentation de MLflow et de ses composants
• —Suivi des expérimentations avec MLflow Tracking
• —Journalisation des métriques et des hyperparamètres
• —Visualisation des runs dans l'interface utilisateur de MLflow

Gestion des modèles avec MLflow Models

• —Enregistrement et versioning des modèles MLflow
• —Comprendre les formats de modèle MLflow (Python Function, Scikit-learn)
• —Chargement et utilisation des modèles versionnés
• —Sérialisation et désérialisation de modèles

Déploiement de modèles avec MLflow Deployments

• —Introduction au déploiement local de modèles
• —Exportation et services de modèles avec MLflow
• —Déploiement basique d'un modèle via une API REST
• —Conteneurisation simple avec Docker pour le modèle

Le registre de modèles MLflow pour la production

• —Utilisation du registre de modèles MLflow Registry
• —Gestion des étapes de cycle de vie des modèles (Staging, Production)
• —Transition et approbation de modèles
• —Accès programmatique au registre de modèles

Intégration de Docker pour la conteneurisation

• —Concepts fondamentaux de Docker (images, conteneurs, Dockerfile)
• —Création d'images Docker pour applications ML
• —Lancement et gestion de conteneurs Docker
• —Optimisation des images Docker pour le déploiement

Orchestration de pipelines MLOps avec des outils CI/CD

• —Introduction aux concepts CI/CD en MLOps
• —Vue d'ensemble des outils CI/CD pertinents (ex: Jenkins, GitLab CI)
• —Conception d'un workflow CI/CD simple pour un modèle
• —Intégration de MLflow dans un pipeline CI/CD

Data Version Control (DVC) pour la gestion des données

• —Installer et configurer DVC pour gérer les versions de données efficacement
• —Utiliser des commandes DVC pour suivre l'évolution des ensembles de données
• —Intégrer DVC avec Git pour une gestion synchronisée des versions de code et données
• —Déployer des pipelines DVC pour automatiser le traitement des données en production
• —Surveiller les modifications de données et réagir aux anomalies avec DVC

Surveillance et monitoring des modèles en production

• —Importance du monitoring en MLOps
• —Métriques clés à surveiller (dérive des données, dérive du modèle)
• —Outils et plateformes de surveillance (Prometheus, Grafana basics)
• —Mise en place d'alertes simples sur la performance du modèle

Pipeline de données CI/CD avec DataOps

• —Principes du pipeline de données DataOps
• —Automatisation de l'ingestion et de la transformation des données
• —Tests de qualité des données et validation
• —Intégration des pipelines de données dans un workflow MLOps

Cas pratiques et bonnes pratiques MLOps

• —Revue de cas d'usage MLOps réels
• —Démonstration de bout en bout d'un pipeline complet
• —Bonnes pratiques pour l'industrialisation des modèles
• —Résolution de problèmes courants en MLOps

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

- Bonnes bases en programmation Python. - Connaissances fondamentales en Machine Learning. - Familier avec les concepts de développement logiciel (GIT, tests unitaires).

- Ordinateur portable avec connexion internet stable. - Environnement de développement Python (Anaconda/Miniconda, pip). - Possibilité d'installer des bibliothèques Python et outils (MLflow client).

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.

Cette formation vous permettra de mettre en place des pipelines efficaces pour la gestion de cycle de vie de vos modèles, d'optimiser leur production et leur maintenance, et de garantir leur performance et leur fiabilité en production.

Vous apprendrez à manipuler MLflow pour une gestion efficace de vos pipelines d'apprentissage automatique, ainsi que la conteneurisation pour une mise en production sécurisée et efficace.

Cette formation est conçue pour les personnes ayant une base en informatique et en intelligence artificielle, mais qui ne possèdent pas nécessairement d'expérience précédente en MLOps et DataOps.

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.