Data Engineering Training

Dans ce premier module, vous apprendrez à déployer votre application d’IA sur n’importe quel serveur, grâce à Docker. La maîtrise de Kubernetes vous permettra de vous assurer qu’elle fonctionne parfaitement, qu’importe le nombre d’utilisateurs. Vous apprendrez à décupler la vitesse de calcul de votre modèle d’IA grâce à Ray, un Framework de Machine Learning distribué. Cela vous permettra de travailler sur des modèles de Machine Learning ou de Deep Learning plus complexes.

Dans ce module, vous découvrirez un champ méconnu de l’IA, le Reinforcement Learning, utilisé pour les jeux vidéos et la robotique. Vous continuerez ainsi à développer votre expertise sur Docker et Kubernetes, deux compétences extrêmement recherchées par les recruteurs. Vous apprendrez également à créer votre propre environnement de développement et améliorer la puissance et vitesse de calcul de vos modèles.

Maintenant que votre application est déployée, elle génère une multitude de données. Dans ce module, vous apprendrez à un construire un véritable Data pipeline agin de recueillir et analyser ces données. Vous apprendrez également à analyser de la donnée arrivant en continu : c’est le concept de Streaming Data. Enfin, vous maîtriserez la Graph Data Science, très utilisée par les systèmes de recommandation pour établir entre 2 produits ou utilisateurs similaires.

Dans ce module, vous découvrirez la puissance des automatisations pour gagner en efficacité ! Vous créérez des automatisations entre applications à l’aide d’outils simples comme Zapier, et apprendrez les bonnes pratiques. Vous découvrirez également comment automatiser votre pipeline Data avec Airflow.

Dernière étape : s’assurer que votre application performe selon vos attentes. Dans ce module, vous apprendrez comment monitorer votre modèle une fois déployé. Vous apprendrez les bases du ML Monitoring, avec Evidently AI, et découvrirez des bonnes pratiques très rarement enseignées et pourtant extrêmement bénéfiques pour tout professionnel de la Tech.

Dans ce dernier module, vous mettrez à profit l’ensemble de ce que vous avez appris sur Docker et Kubernetes pour mettre en production votre modèle de Machine Learning. Vous choisirez parmi 4 projets proposés par la team Jedha pour construire une architecture Data, la rendre scalable, construire l’ensemble du pipeline de données partant de l’application et monitorez l’ensemble pour vérifier qu’il n’y ait pas de bugs.