Parcours d'apprentissage · Créer de l'IA

Apprentissage automatique et IA en production

Déployez, livrez, mettez à l'échelle et exploitez des systèmes d'apprentissage automatique et de LLM en production.

C'est vous

Vous aimez faire fonctionner les systèmes : vous travaillez en exploitation, en DevOps ou côté serveur, ou vous le souhaitez. Vous voulez des systèmes d’IA qui restent sains, rapides et abordables après le lancement.

Où vous allez

Ingénieur ou ingénieure MLOps ou LLMOps

Déployer des modèles et des fonctionnalités de LLM avec des livraisons reproductibles
Surveiller la qualité, la latence et le coût après le lancement
Mettre à l’échelle les API et les charges d’IA quand le trafic augmente
Réagir aux incidents, et transmettre un système à une autre équipe

3 étapes
16 cours, 16 disponibles maintenant
Environ 210 à 285 heures d'études
16 certificats de réussite

Combien de code il vous faut

Aucun code
Lire du code
Un peu de code
Le code au cœur

Le code est au cœur du parcours : vous écrivez des chaînes, de la configuration et des tests. Si vous travaillez déjà en exploitation, beaucoup d’outils vous seront familiers.

Votre parcours, étape par étape

Chaque arrêt est un cours. Sa forme vous dit quelle part du cours suivre.

Cours complet. Tout le cours, avec sa pratique. Il mène à un certificat de réussite.
Notions. Seulement les modules de notions, lus sans exécuter de code. Ils mènent à un certificat des notions.
Facultatif. Utile pour certaines personnes. Vous n'en avez pas besoin, et il n'est pas compté dans le temps.

Vous, aujourd'hui
Étape 1 Les basesenviron 51 à 69 h
1. Bases d'une carrière en IA : rôles, compétences et feuilles de route
  Cours complet4–6 h
  Voyez à quoi ressemble l’exploitation dans les équipes d’IA.
2. Python pour l'ingénierie de l'IA en pratique
  Cours complet18–24 h
  Python pour les scripts, les services et les tests.
3. L'essentiel de Git et du développement en équipe
  Cours complet5–7 h
  Chaque livraison commence dans Git.
  Priorité: Si vous avez déjà ces compétences, faites plutôt son travail final.
4. Mathématiques et statistiques essentielles pour l'IA
  Cours complet12–16 h
  Les statistiques derrière les alertes de surveillance.
  Priorité: Si vous avez déjà étudié ce sujet, faites plutôt son travail final.
5. SQL et préparation des données pour l'IA
  Cours complet12–16 h
  Les données d’entraînement et de test des modèles.
  Priorité: Si vous avez déjà étudié ce sujet, faites plutôt son travail final.
Étape 2 Les systèmes que vous exploiterezenviron 76 à 100 h
1. Apprentissage automatique : du problème à un modèle fiable
  Cours complet26–32 h
  Comprenez ce qu’est un modèle avant de l’exploiter.
  Priorité: Si vous avez déjà étudié ce sujet, faites plutôt son travail final.
2. Les LLM : comment ils fonctionnent et comment en choisir un
  Cours complet8–12 h
  Comment les LLM sont fournis, et ce qu’ils coûtent.
3. Créer des applications fiables avec les API de LLM
  Cours complet22–30 h
  Les fonctionnalités de LLM que vous déploierez.
4. Évaluer et tester les systèmes d'IA
  Cours complet20–26 h
  Les contrôles de qualité qui roulent avant chaque livraison.
Étape 3 Productionenviron 83 à 116 h
1. Créer et déployer votre première API
  Cours complet11–15 h
  Servez un modèle derrière une API.
  Priorité: Si vous avez déjà ces compétences, faites plutôt son travail final.
2. L'essentiel de Docker et du nuage pour les développeurs en IA
  Cours complet7–10 h
  Les conteneurs et l’infonuagique.
3. Déployer des modèles d'IA pour de vrais utilisateurs
  Cours complet8–12 h
  Servez des modèles à de vrais utilisateurs.
4. Bases de données et stockage pour les applications d'IA
  Cours complet16–22 h
  Bases de données et stockage pour les systèmes d’IA.
5. CI/CD, tests et mises en production sûres
  Cours complet8–12 h
  Automatisez les tests et les livraisons sûres.
6. Mettre à l'échelle les API et les charges de travail d'IA
  Cours complet17–23 h
  Gérez plus de trafic sans pannes.
7. MLOps et LLMOps : exploiter l'IA en production
  Cours complet16–22 h
  Le cœur de ce parcours : exploiter l’IA dans la durée.
Vous arrivezIngénieur ou ingénieure MLOps ou LLMOps

Obtenez des certificats en chemin

Vous n'avez pas besoin de terminer tout le parcours pour montrer ce que vous avez appris. Chaque cours complet donne un certificat de réussite, et chaque cours de notions donne un certificat des notions. Partagez chacun dès que vous l'obtenez.

Quand vous êtes prêt, préparez-vous à l'entrevue : Préparation aux entrevues : ingénieur en apprentissage automatique

En faire mon parcours Tous les parcours d'apprentissage

Choisissez cet objectif dans votre profil. Mon apprentissage montre ensuite votre progression sur ce parcours, et le nombre de semaines à votre rythme.