Concevoir et construire l’infrastructure MLOps
- Créer et gérer des ressources dans un espace de travail Machine Learning
- Gérer les assets dans l’espace de travail : données, environnements, calcul
- Infrastructure as code pour le Machine Learning avec Bicep et Azure CLI
Cycle de vie des modèles et exploitation
- Orchestrer et automatiser l’entraînement des modèles
- Enregistrer et versionner les modèles
- Déployer des modèles pour les environnements de production
- Surveiller et entretenir les modèles en exploitation
Infrastructure GenAIOps
- Mettre en œuvre les environnements Foundry et la configuration de la plateforme
- Déployer et gérer des Foundation Models pour des charges de travail de production
- Versionner les prompts et les piloter via la gestion du code source
Assurance qualité et observabilité pour l’IA générative
- Mettre en place l’évaluation et la validation des applications génératives et des agents
- Mettre en œuvre l’observabilité des applications génératives et des agents
Optimiser les systèmes génératifs et la performance des modèles
- Améliorer la performance du RAG et la qualité des réponses
- Fine-tuning avancé et adaptation des modèles
