Rôles en MLOps

Concepts d’MLOps

Folkert Stijnman

ML Engineer

Cycle de vie du Machine Learning

• Rôles d'affaires
• Rôles techniques

Rôles d'affaires

• Personne d'affaires responsable
• Experte ou expert du domaine

Rôles d'affaires : partie prenante d'affaires

• Décisions budgétaires
• Vision de l'entreprise
• Présente tout au long du cycle de vie

Rôles d'affaires : experte ou expert du domaine

• Connaissance du domaine
• Présence tout au long du cycle de vie
• Interpréter et valider les données

Rôles techniques

• Scientifique des données
• Ingénieure ou ingénieur de données
• Ingénieure ou ingénieur ML

Rôles techniques : scientifique des données

• Analyse de données
• Entraînement et évaluation de modèles

Rôles techniques : ingénierie des données

• Collecte, stockage et traitement des données
• Vérifier et maintenir la qualité des données

Rôles techniques : ingénieure ou ingénieur ML

• Rôle polyvalent
• Conçu pour l'ensemble du cycle de vie du Machine Learning

Autres rôles impliqués en ML

• Analyste de données, développeuse ou développeur, ingénieure ou ingénieur logiciel, ingénieure ou ingénieur backend
• Les responsabilités varient selon l'application du Machine Learning
• Une jeune pousse diffère d'une grande entreprise

Passons à la pratique !

Concepts d’MLOps