« Suivi et évaluation des expériences sur les modèles d'apprentissage automatique » est une formation de niveau intermédiaire indispensable pour les ingénieurs en apprentissage automatique, les data scientists et les professionnels du MLOps qui souhaitent faire évoluer leurs processus, passant d'une approche ponctuelle basée sur des scripts à une discipline systématique et professionnelle. Si vous avez déjà été confronté au problème du « ça marchait sur ma machine » ou si vous avez eu du mal à reproduire un excellent résultat obtenu il y a plusieurs semaines, ce cours vous fournira les pratiques MLOps fondamentales pour mettre en place un workflow véritablement vérifiable et collaboratif. L’objectif principal est de vous donner les moyens de gérer en toute confiance l’ensemble du cycle de vie des expériences, en garantissant que chaque modèle que vous construisez est reproductible, traçable et prêt à affronter les rigueurs de la production.

Tout au long de cette formation, vous vous familiariserez de manière pratique avec des outils conformes aux normes du secteur. Vous apprendrez à utiliser le contrôle de version des données (DVC) pour gérer les versions des ensembles de données et des modèles avec la même rigueur que celle que vous appliquez au code, créant ainsi une source unique de vérité pour votre équipe. Vous intégrerez ensuite Weights & Biases (W&B) à vos scripts d’entraînement afin d’enregistrer automatiquement chaque hyperparamètre, métrique et artefact dans un tableau de bord centralisé et interactif. Enfin, vous maîtriserez un cadre d’évaluation structuré pour effectuer des choix de modèles justifiables, en allant au-delà d’un simple score F1 afin d’équilibrer les performances prédictives avec des contraintes opérationnelles critiques telles que la latence et l’utilisation de la mémoire. À l’issue de cette formation, vous disposerez d’une boîte à outils complète pour gérer le cycle de vie du ML avec clarté et précision. Pour les apprenants souhaitant appliquer ces compétences en MLOps à de nouveaux horizons, ce cours constitue une base idéale pour aborder des sujets plus avancés, tels que ceux traités dans le cours « LLM Engineering That Works : Prompting, Tuning & Retrieval ».