Le parcours Machine Learning Engineer
Prix : 1 800€ (ou 4 200€ avec coaching individuel)
par Blent.ai
Une formation opérationnelle basée sur un projet d'entreprise pour déployer et scaler tout modèle de Machine Learning, de l'architecture logicielle jusqu'au MLOps.
Un programme complet autour de 4 piliers :
📅 150 heures de e-learning (+ 8 séances de coaching individuelles à la demande)
📚 e-learning (+ coaching en option)
💶 1 800€ (sans coaching) ou 4 200€ (avec coaching). Payable en 3x sans frais.
Si vous n'avez plus de crédits CPF, il existe d'autres modes de financement. Contactez-nous si vous avez besoin d'aide.
Vous pouvez également nous contacter au 06 30 90 99 06.
Écrire des programmes Python qui utilisent toute la puissance du langage.
Utiliser Git sur n'importe quel projet.
Voir comment utiliser les outils qui vous seront utile en tant que Machine Learning Engineer : commandes UNIX, VS Code, Git.
Implémenter des stratégies différentes d'AutoML pour automatiser la recherche d'un modèle optimal sous contraintes.
Construire des projets codes sources permettant d'exécuter des pipelines Machine Learning dans n'importe quel environnement.
Savoir comment industrialiser un projet de Machine Learning pour le rendre robuste et maintenable à long terme et quelles sont les techniques pour évaluer de manière déterministe un modèle par des tests logiciels adaptés.
Intégrer le cycle de vie de modèles de Machine Learning dans n'importe quel projet.
Construire des API REST et packager le modèle avec des conteneurs Docker et déployer des applications dans tous les environnements serverless du Cloud.
Automatiser l'intégralité du cycle de vie des projets Machine Learning, de la récupération des données jusqu'au déploiement par des pipelines automatisés.
Utiliser Kubernetes en tant que plateforme de déploiement pour des modèles de Machine Learning afin de permettre une scalabilité sans limite et voir comment surveiller l'activité d'un modèle et journaliser les événements.
Blent.ai
Lorsque vous serez officiellement inscrit, Blent.ai vous donnera accès à plusieurs remises à niveau pour revoir les concepts avancés de Python, manipuler les commandes systèmes UNIX, collaborer avec Git et prendre en main l'IDE Visual Studio Code.
Cette phase de préparation est disponible dès votre inscription à la formation, et vous pourrez poser toutes tes questions à leur équipe de Mentors sur Slack.
Ce que vous allez apprendre dans cette phase :
L’ingénierie logicielle consiste à concevoir des codes sources propres, optimisés et documentés. Lorsque l’on conçoit des algorithmes de Machine Learning, le code utilisé peut avoir un impact sur les performances du modèle : il est donc très important de fournir une architecture de code adaptée.
Vous verrez les bonnes pratiques pour développer en équipe avec les outils que tout ML Engineer doit savoir maîtriser lorsqu'il code. Qu'il s'agisse de pipelines ML avec Kedro, de linting avec flake8 ou encore de tests logiciels sur les modèles, cette étape indispensable vous donnera les bases pour avancer sereinement vers le déploiement de modèles.
Ce que vous allez apprendre dans cette phase :
Le déploiement est la compétence principale du ML Engineer : mettre en production des modèles sur des serveurs dans le Cloud. Bien sûr, il devra monitorer et gérer le cycle de vie des modèles avec MLflow afin de ne pas se mélanger entre les différentes versions.
De plus, la maîtrise des architectures API types REST est indispensable : la grande majorité des serveurs Web sont des API REST, ils seront développés avec Flask. Enfin, la conteneurisation avec Docker permettra au ML Engineer d'encapsuler son API et de l'isoler sur plusieurs serveurs : efficace pour versioner son API et mettre à l'échelle en cas de forte de demandes.
Ce que vous allez apprendre dans cette phase :
Le MLOps est la discipline qui consiste à automatiser le déploiement de modèles de Machine Learning par l'intermédiaire de pipelines. Mélange de DevOps et de Data Science, le MLOps est une compétence indispensable pour la mise en production efficace de modèles.
Vous développerez des pipelines automatisés avec Apache Airflow pour pouvoir collecter automatiquement des données qui arrivent en continu et pour entraîner des modèles de Machine Learning en temps réel. Avec la puissance de calcul disponible sous Kubernetes, vous serez capable d'automatiser des pipelines d'expérimentation et de déploiement de modèles de Machine Learning avec Kubeflow, un acteur incontournable dans le domaine.
Ce que vous allez apprendre dans cette phase :
Un apprentissage à votre rythme avec le soutien des mentors et des pairs
Cette formation est exclusivement réservée aux personnes qui ont de bonnes bases en Machine Learning.
Il faut être capable de mener un projet Data Science de A à Z, ainsi que maîtriser un minimum le langage Python pour suivre la formation Machine Learning Engineer.
La charge de travail hebdomadaire est estimé à 5 à 10 h en fonction des profils et du niveau jusqu'au quel les participants veulent aller.
Étant donné que la formation est basée sur un projet d'entreprise, chaque participant se positionne comme il veut.
Certains veulent aller le plus loin possible jusqu'à un niveau de R&D et d'autres souhaitent comprendre de manière synthétique comment mettre à l'échelle des projets Machine Learning.
À la fin de la formation, vous serez opérationnel pour participer à un projet en tant que Machine Learning Engineer.
Évidemment votre apprentissage continuera tout au long de votre carrière mais vous aurez déjà tous les outils nécessaires pour être autonome et attaquer des problématiques complexes.
À la fin de la formation, Blent vous met en relation les participants qu'ils estiment devenus opérationnels avec des entreprises partenaires qui recrutent.
De plus, vous aurez accès à un outil d'évaluation qui vous permettra de vous préparer aux entretiens techniques.
Sans oublier la Blent Family qui pourra vous aider à trouver le job de vos rêves !
Si vous êtes actuellement en entreprise, vous pouvez te faire financer la formation en formulant une demande à vos managers ou les Ressources Humaines.
Vous pouvez également utiliser votre Compte Personnel de Formation ou CPF pour financer la formation.
Vous aurez également la possibilité de payer la formation en 3x sans frais.
La Blent Family est une communauté d'entraide qui regroupe des Data Scientists, Data Engineers, Data Analysts, Managers, Chercheurs, des personnes motivées pour être à la pointe de la Data. Une fois que vous y rentrez, c'est pour la vie !