Geavanceerde MLOps: pipelines, monitoring en schaling

Concevoir des pipelines ML industrialisés, monitorer efficacement les modèles en production et mettre en place des stratégies de déploiement et de scaling adaptées aux contraintes de performance, de fiabilité et de coûts d’un environnement d’entreprise.

• Een end-to-end geautomatiseerde MLOps-pijplijn ontwerpen.
• ML-workflows orkestreren met Kubeflow, Vertex AI Pipelines en SageMaker Pipelines.
• Een feature store implementeren en features in productie beheren.
• Versiebeheer, modelregistratie en -promotie beheren.
• Datadrift en modeldegradatie detecteren.
• A/B-teststrategieën en geleidelijke implementatie implementeren.
• GPU-toewijzing en planning op Kubernetes optimaliseren.
• Een servingstrategie selecteren: batch of real-time.