MTI882-H26 - Déploiement et maintenance de systèmes d’apprentissage machine en production

Ce cours offre une exploration des étapes nécessaires pour transformer un modèle d’apprentissage machine (AM) en un système de production robuste et fiable. Il couvre la conception, le déploiement et la maintenance des applications logicielles intégrant des modèles d’AM de manière responsable.

Au terme de ce cours, l'étudiante ou l'étudiant sera en mesure de : concevoir des systèmes logiciels en tenant compte des erreurs potentielles de prédiction des modèles d’AM; déployer efficacement des modèles d’AM dans des environnements de production; mettre à jour et itérer sur les modèles d’AM en production; appliquer les principes et pratiques du MLOps pour automatiser et optimiser le cycle de vie des modèles; mettre à l'échelle les systèmes d’AM pour répondre aux besoins de production; tester et déboguer rigoureusement les systèmes intégrant des modèles d’AM; comprendre et adresser les aspects critiques tels que la latence d'apprentissage et d'inférence, l'évolutivité, l'explicabilité, l'équité, la confidentialité, la robustesse et la sécurité des modèles d’AM en production.

Les sujets abordés incluent : conception de systèmes tolérants aux erreurs de prédiction; stratégies et outils de déploiement de modèles; techniques de mise à jour et de gestion des versions de modèles; introduction et application du MLOps; architectures pour la mise à l'échelle des systèmes d’AM; méthodes de test et de débogage spécifiques aux systèmes d’AM; étude approfondie de la latence, de l'évolutivité, de l'explicabilité, de l'équité, de la confidentialité, de la robustesse et de la sécurité des modèles en production. Les activités spécifiques associées au déploiement et à la maintenance de systèmes d’AM seront également couvertes : gestion des environnements, monitoring, alertes, reproductibilité et auditabilité. Le domaine de l'application des modèles d’apprentissage machine dans des systèmes concrets servira de fil conducteur pour l'exploration des techniques et des défis abordés.