Formation Weights & Biases

Formation Weights & Biases : Industrialiser le Suivi des Expériences ML

[Jour 1 – Matin]

Fondamentaux de l’Experiment Tracking

• Comprendre le rôle du tracking d’expériences en ML
• Problèmes courants sans outil de suivi
• Architecture de Weights & Biases
• Initialisation d’un projet
• Structure d’un run
• Atelier pratique : Instrumenter un script PyTorch avec W&B.

[Jour 1 – Après-midi]

Suivi des métriques et visualisation avancée

• Logging des métriques et hyperparamètres
• Visualisation interactive des courbes
• Comparaison multi-runs
• Gestion des tableaux et dashboards
• Organisation des projets et filtres
• Atelier pratique : Comparaison de plusieurs entraînements et analyse des performances.

Gestion des artefacts et versionnement

• Concept d’Artifacts
• Versionnement des datasets
• Versionnement des modèles
• Traçabilité des dépendances
• Reproductibilité des expériences
• Atelier pratique : Versionner un dataset et un modèle entraîné.

[Jour 2 – Matin]

Hyperparameter Sweeps

• Optimisation automatique des hyperparamètres
• Stratégies de recherche (grid, random, bayesian)
• Configuration des sweeps
• Analyse comparative des résultats
• Automatisation des expérimentations
• Atelier pratique : Lancer un sweep et analyser les performances.

[Jour 2 – Après-midi]

Collaboration et organisation d’équipe

• Gestion des utilisateurs
• Partage de dashboards
• Bonnes pratiques organisationnelles
• Structuration des projets ML
• Gestion des permissions

Introduction à l’industrialisation MLOps

• Model registry
• Intégration CI/CD ML
• Déploiement et monitoring
• Bonnes pratiques production
• Passage prototype – production
• Atelier pratique : Mise en place d’un workflow expérimentation / versionnement / registry.