En savoir plus

Module 3 — Entrainement et Optimisation de Modeles

Programme du module

• 🔹 Entrainement de modeles avec scikit-learn, PyTorch et TensorFlow
• 🔹 Automated ML : selection et optimisation automatique de modeles
• 🔹 HyperDrive : recherche d'hyperparametres a grande echelle
• 🔹 Evaluation des modeles et selection du meilleur candidat
• 🔹 Suivi des experiences avec MLflow

Objectifs d'apprentissage

• ✓ Gerer et deployer des modeles en production avec MLOps
• ✓ Implementer des solutions d'IA responsable et explicable

Methodologie

Formation officielle Microsoft avec labs pratiques dans Azure Machine Learning Studio et Azure AI Foundry. Les participants travaillent sur des jeux de donnees reels pour entrainer, optimiser et deployer des modeles. Alternance de theorie (35%) et de travaux pratiques (65%) avec des exercices de bout en bout couvrant le cycle de vie complet d'un projet ML, y compris l'optimisation de modeles de langage.