MLOps est l'acronyme de ML Operations, qui a hérité de la tendance DevOps, c'est-à-dire l'ensemble des opérations visant à mettre les algorithmes (science) en production (ingénierie). L'objectif de ce cours est de se familiariser avec une série d'outils, de principes et de bonnes pratiques qui vous faciliteront la vie en tant que développeur scientifique et vous permettront de gagner en confiance dans votre flux de travail quotidien.
En particulier, nous nous concentrerons sur les outils spécifiques conçus pour le développement de l'apprentissage automatique tels que MLFlow ou Hydra, qui vous permettront d'enregistrer et de reproduire des expériences d'apprentissage automatique, de joindre des résultats (métriques, graphiques), d'enregistrer des modèles d'apprentissage automatique, etc. Ceci est très pratique et peut être considéré comme le cahier de laboratoire moderne.
Nous passerons par des exemples pratiques pour démarrer avec ces outils et nous essaierons de les utiliser autant que possible pendant les exercices des jours suivants.