Cours officiel

Formation certifiante

Cette formation permet d’industrialiser des solutions de machine learning et d’IA générative sur Microsoft Azure. Elle couvre l’ensemble du cycle d’industrialisation, depuis l’entraînement et l’optimisation des modèles dans Azure Machine Learning jusqu’à l’automatisation MLOps avec GitHub Actions.

Le programme aborde également les pratiques GenAIOps avec Microsoft Foundry : gestion des invites, évaluation structurée d’agents IA, automatisation des évaluations, observabilité, traçage et optimisation en production. Les participants découvrent comment fiabiliser les workflows IA, mettre en place une supervision efficace et améliorer la qualité des systèmes génératifs déployés.

Cette formation s’adresse aux équipes techniques souhaitant passer d’expérimentations IA à des opérations robustes, automatisées et maintenables à l’échelle de l’entreprise.

Objectifs pédagogiques

À l’issue de la formation, les participants seront capables de :

Concevoir et mettre en œuvre une infrastructure MLOps avec Azure Machine Learning
Automatiser l’entraînement, l’évaluation et le déploiement de modèles avec GitHub Actions et Azure Machine Learning
Déployer, superviser et maintenir des modèles de machine learning en production
Planifier et mettre en œuvre une démarche GenAIOps avec Microsoft Foundry
Gérer, évaluer et optimiser des invites et des agents d’IA générative
Mettre en place l’observabilité, le traçage et l’amélioration continue d’agents IA en production
Optimiser les performances d’agents IA grâce au réglage précis et aux techniques d’ajustement de modèle

Public concerné

Cette formation s’adresse aux data scientists, ingénieurs MLOps et développeurs IA qui conçoivent et mettent en œuvre des solutions d’intelligence artificielle avec Azure Machine Learning et Microsoft Foundry.

Elle concerne les professionnels amenés à automatiser les workflows d’entraînement et de déploiement de modèles, à mettre en place des pratiques MLOps et GenAIOps, et à superviser des applications d’IA générative en production.

Bénéfices pour les participants :

Structurer une chaîne complète d’industrialisation pour le machine learning et l’IA générative
Automatiser les opérations d’entraînement, d’évaluation, de déploiement et de supervision
Maîtriser les outils Azure et Microsoft Foundry pour faire passer des prototypes en production
Améliorer la qualité, la traçabilité et la robustesse des solutions IA déployées en entreprise

Prérequis

Familiarité avec la programmation Python
Compréhension de base des concepts de machine learning
Expérience des services Azure, notamment le portail Azure, les abonnements et les groupes de ressources
Familiarité avec GitHub et la gestion de version
Une expérience avec Azure Machine Learning ou Azure AI services est utile mais non requise

Programme détaillé

Concevoir et optimiser l’entraînement de modèles avec Azure Machine Learning (7h00)

Concevoir une solution d’entraînement de modèle machine learning
Tester Azure Machine Learning
Optimiser l’entraînement des modèles dans Azure Machine Learning
Effectuer le réglage des hyperparamètres avec Azure Machine Learning
Travail pratique :
- Trouver le meilleur modèle de classification avec Azure Machine Learning
- Optimiser l’entraînement des modèles dans Azure Machine Learning
- Effectuer le réglage des hyperparamètres avec un travail de balayage

Industrialiser les workflows MLOps avec Azure Machine Learning et GitHub Actions (7h00)

Exécuter des pipelines dans Azure Machine Learning
Planifier et préparer une solution MLOps avec Azure Machine Learning
Automatiser l’entraînement des modèles avec GitHub Actions
Déployer et surveiller un modèle dans Azure Machine Learning
Travail pratique :
- Exécuter des pipelines dans Azure Machine Learning
- Planifier et préparer une solution MLOps avec Azure Machine Learning
- Automatiser l’entraînement des modèles avec GitHub Actions
- Déployer et surveiller un modèle dans Azure Machine Learning

Planifier, gérer et évaluer des solutions GenAIOps avec Microsoft Foundry (7h00)

Planifier et préparer une solution GenAIOps
Gérer les invites pour les agents dans Microsoft Foundry avec GitHub
Évaluer et optimiser les agents d’IA par le biais d’expériences structurées
Travail pratique :
- Planifier et préparer une solution GenAIOps
- Gérer les invites pour les agents dans Microsoft Foundry avec GitHub
- Évaluer et optimiser les agents d’IA par le biais d’expériences structurées

Automatiser, superviser et optimiser des agents d’IA générative en production (7h00)

Automatiser les évaluations d’IA avec Microsoft Foundry et GitHub Actions
Implémenter l’observabilité et la surveillance pour les charges de travail d’IA générative
Optimiser et ajuster les agents d’IA pour la production
Travail pratique :
- Automatiser les évaluations d’IA avec Microsoft Foundry et GitHub Actions
- Surveiller et suivre votre agent d’IA générative
- Optimiser les agents d’IA avec un réglage précis

Certification

Cette formation prépare à l’examen AI-300 – Operationalizing Machine Learning and Generative AI solutions, qui permet d’obtenir la certification Microsoft Certified: Machine Learning Operations (MLOps) Engineer Associate

Délais d'accès à la formation

Les inscriptions sont possibles jusqu'à 48 heures avant le début de la formation.

Dans le cas d'une formation financée par le CPF, ENI Service est tenu de respecter un délai minimum obligatoire de 11 jours ouvrés entre la date d'envoi de sa proposition et la date de début de la formation.

Modalités et moyens pédagogiques, techniques et d'encadrement

Formation avec un formateur, qui peut être suivie selon l’une des 3 modalités ci-dessous :

1 - Dans la salle de cours en présence du formateur.

2 - Dans l’une de nos salles de cours immersives, avec le formateur présent physiquement à distance. Les salles immersives sont équipées d’un système de visio-conférence HD et complétées par des outils pédagogiques qui garantissent le même niveau de qualité.

3 - Depuis votre domicile ou votre entreprise. Vous rejoignez un environnement de formation en ligne, à l’aide de votre ordinateur, tout en étant éloigné physiquement du formateur et des autres participants. Vous êtes en totale immersion avec le groupe et participez à la formation dans les mêmes conditions que le présentiel. Pour plus d’informations : Le téléprésentiel – notre solution de formation à distance.

Le nombre de stagiaires peut varier de 1 à 12 personnes (5 à 6 personnes en moyenne), ce qui facilite le suivi permanent et la proximité avec chaque stagiaire.

Chaque stagiaire dispose d’un poste de travail adapté aux besoins de la formation, d’un support de cours et/ou un manuel de référence au format numérique ou papier.

Pour une meilleure assimilation, le formateur alterne tout au long de la journée les exposés théoriques, les démonstrations et la mise en pratique au travers d’exercices et de cas concrets réalisés seul ou en groupe.

Modalités d'évaluation des acquis

En début et en fin de formation, les stagiaires réalisent une auto-évaluation de leurs connaissances et compétences en lien avec les objectifs de la formation. L’écart entre les deux évaluations permet ainsi de mesurer leurs acquis.

En complément, le formateur évalue chaque stagiaire sur l'atteinte des objectifs pédagogiques de la formation selon quatre niveaux (non évalué, non acquis, en cours d'acquisition, acquis). Cette évaluation repose sur une modalité choisie par le formateur en cohérence avec la formation : QCM, exercices pratiques réalisés pendant la formation, évaluation finale de synthèse, quiz interactif de validation, étude de cas, mise en situation, analyse de l’auto-évaluation, autres modalités adaptées.

Pour les stagiaires qui le souhaitent, certaines formations peuvent être validées officiellement par un examen de certification. Les candidats à la certification doivent produire un travail personnel important en vue de se présenter au passage de l'examen, le seul suivi de la formation ne constitue pas un élément suffisant pour garantir un bon résultat et/ou l'obtention de la certification.

Pour certaines formations certifiantes (ex : ITIL, DPO, ...), le passage de l'examen de certification est inclus et réalisé en fin de formation. Les candidats sont alors préparés par le formateur au passage de l'examen tout au long de la formation.

Moyens de suivi d'exécution et appréciation des résultats

Feuille de présence, émargée par demi-journée par chaque stagiaire et le formateur.
Evaluation qualitative de fin de formation, qui est ensuite analysée par l'équipe pédagogique ENI.
Attestation de fin de formation, remise au stagiaire en main propre ou par courrier électronique.

Qualification du formateur

La formation est animée par un professionnel de l’informatique et de la pédagogie, dont les compétences techniques, professionnelles et pédagogiques ont été validées par des certifications et/ou testées et approuvées par les éditeurs et/ou notre équipe pédagogique.

Il est en veille technologique permanente et possède plusieurs années d’expérience sur les produits, technologies et méthodes enseignés.

Il est présent auprès des stagiaires pendant toute la durée de la formation.

Accessibilité de la formation

ENI Service s'engage en faveur de l'accessibilité pour les personnes en situation de handicap (PSH). Toutes nos formations sont ainsi accessibles aux PSH. Pour en savoir plus, nous vous invitons à consulter la page Accueil des personnes en situation de handicap de notre site internet.