Réentraînement continu et versioning de modèles de Machine Learning
“Never stop learning because life never stops teaching.” - Deviens un maître du cycle de vie des modèles en production à l’état de l’art !

Missions

  • Découvrir les enjeux de l’industrialisation de modèles de ML
  • Explorer et évaluer des solutions techniques à l’état de l’art
  • Réaliser, en binôme avec un(e) autre stagiaire, un prototype permettant d’assurer le réentraînement continu et le versioning de modèles de ML et utilisant les outils proposés par la plateforme TensorFlow Extended
  • Partager​ ​le​ ​savoir​ ​acquis​ ​avec​ ​la​ ​communauté​ ​OCTO"

Conditions

Type de stage : Stage de fin d'études en BINÔME
Lieu : Paris
Rémunération : 1500 € bruts
Date : 2021

Profil

  • Tu es actuellement élève en 3e année d’une grande école d’informatique ou d’ingénieur généraliste ou en 2e année de Master
  • Tu as une bonne connaissance de Python et de son écosystème
  • Tu as à la fois une appétence pour les sujets d’architecture et d’infrastructure (Ops) et pour la data science (ML/statistiques)
  • Tu es curieux(se) et motivé(e) et tu as envie d’explorer en profondeur des problèmes à l’état de l’art
  • Tu es enthousiaste à l’idée de travailler en binôme avec un(e) autre stagiaire"

Contexte

La bonne gestion du cycle de vie des modèles est une question cruciale de l'industrialisation de modèles de Machine Learning (ML)
L’objectif de ce stage est de définir les méthodes et l’architecture permettant d’assurer le réentraînement continu et le versionning d’un modèle."

Objectifs du stage

Étape 1 : Découverte​ ​& ramp-up !
Sur la base d'un notebook Jupyter, tu travailleras avec ton binôme pour produire une première version industrialisée d'un use case de Machine Learning exploitant des données de capteurs provenant d'équipements industriels.

Étape 2 : Cadrage
Il te faudra ensuite identifier, avec l’aide de ton encadrant, les solutions les plus pertinentes pour mettre en place le réentraînement continu et le versioning de modèles. Tu procéderas pour cela à une veille technologique de la littérature scientifique et de l’industrie.

Étape 3 : Conception et réalisation du prototype
Tu implémenteras le prototype en répondant à des problématiques de plus en plus complexes. Selon les obstacles rencontrés et les conclusions des échanges avec ton binôme, vous déciderez ensemble des briques TFX les plus pertinentes à utiliser dans le prototype.

Étape 4 : Partage​ de connaissance
Tu partageras tes connaissances au sein de la communauté OCTO, à travers les différents supports à ta disposition ​: code documenté sur notre Gitlab, article de blog, présentations internes.

Pour postuler : recrutement-stage@octo.com

Encadrement

Tu seras encadré(e) un consultant de la tribu MLEngineering, expert en industrialisation de projet de Data Science. Tu bénéficieras d’un suivi tout au long du stage : entretiens one-on-one hebdomadaires avec ton encadrant, ateliers avec ton binôme et soutien de la communauté d’experts OCTO.