YYanisinyanis-devops.hashnode.dev·2d ago · 6 min readMLOps Niveau 4 — Déployer un modèle ML scalable sur Kubernetes avec EKS, MLflow et KServeLien Github: Projet mlops niveau 4 - Prédiction du temps de trajet TAXI Lien Youtube: Click here Architecture: Introduction: Après avoir travaillé sur l’entraînement, le tracking, le monitoring et00
YYanisinyanis-devops.hashnode.dev·2d ago · 6 min readMLOps N3-B — Migrer un pipeline de détection de fraude temps réel vers Kubernetes avec AWS EKSLien Github: Projet mlops niveau 3-B - détection de fraude en temps réel Lien Youtube: Click here Architecture: Introduction: Après avoir construit dans le projet N3-A un pipeline de détection de 00
YYanisinyanis-devops.hashnode.dev·2d ago · 6 min readMLOps N3-A — Construire un pipeline de détection de fraude en temps réel avec KafkaLien Github: Projet mlops niveau 3-A - détection de fraude en temps réel Consulter les résultats obtenus en fin de l'article Architecture: Introduction: Après avoir travaillé sur le cycle de vie d00
YYanisinyanis-devops.hashnode.dev·2d ago · 11 min readProjet MLOps N2 — Construire une chaîne de monitoring avec Evidently, Prefect, PostgreSQL et GrafanaLien Github: Projet mlops niveau 2 - Prédiction prix des maisons en Californie Lien Youtube: Click here Architecture: Introduction: Après avoir réalisé un premier projet MLOps consacré à l’entraî00
YYanisinyanis-devops.hashnode.dev·2d ago · 16 min readProjet MLOps N1: Construire un pipeline de bout en bout avec MLflow, FastAPI, Docker, AWS et GitHub ActionsLien Github: Projet mlops niveau 1 - Prédiction prix maisons en Californie Lien Youtube: Click here Architecture: Introduction L’objectif de ce projet était de construire une première chaîne MLOps00
