Gestion de modèles de Machine Learning dans un écosystème Cloud.
Automatiser la gestion des versions et la mise à jour d’un modèle de Machine Learning dans le cloud AWS.

Missions

  • Apprendre les enjeux de déploiement en production d’algorithmes dans un Cloud public (AWS, GCP, Azure).
  • Développer une méthodologie de gestion des modèles de Machine Learning dans le Cloud.
  • Déployer la méthodologie sur AWS SageMaker.

Conditions

Type of internship:Stage de fin d'étude, pré-embauche
Location:OCTO Technology 34 avenue de l'Opéra 75002 Paris
Salary:1500 € bruts
Date:2020

Profile

  • Vous avez de l'expérience en Machine Learning.
  • Vous aimez coder en Python, Scala ou Java.
  • Vous aimez travailler sur les services Cloud.

Context

Étape 1 : Cadrage

Concevoir le cadrage du déroulement fonctionnel et technique du projet, de l’organisation que vous souhaitez mettre en place, ainsi que les moyens à votre disposition.

Étape 2 : Études techniques et fonctionnelles

Étudier les caractéristiques et enjeux, aussi bien techniques que fonctionnels, du cycle de vie des modèles algorithmiques.
Cette étude devra aborder les notions de déploiement, d’audit, de gouvernance et de performance. À l’issue de cette étude vous déterminez les aspects les plus pertinents pour le développement de votre prototype.

Étape 3 : Prototype et application

Développer un prototype de gestion du cycle de vie des modèles algorithmiques. Ce prototype devra être déployé dans l’environnement Cloud public AWS et intégré au service SageMaker.
Ce prototype devra être évalué par rapport au scénario de référence de l’étude technique et fonctionnelle.

Étape 4 : Partage

Partager au sein de la communauté OCTO et Accenture ce que vous aurez appris, à travers une restitution interne et un article sur le blog OCTO.

Internship target

Les modèles de Machine Learning deviennent des assets stratégiques pour les entreprises.
La gestion de ces modèles présente de nombreux défis. L'objectif de ce stage est de définir une méthodologie de gestion du cycle de vie des modèles et de l'intégrer à AWS SageMaker.

Management

Vous serez encadré·e par un Data Scientist - Cloud Engineer de l’équipe INPL et serez suivi·e tout au long de votre projet (entretiens hebdomadaires avec votre tuteur, soutien de la communauté OCTO en cas de difficultés techniques).