Cette formation permet aux développeurs, data engineers et data scientists de concevoir, tester et déployer des produits alimentés par le Machine Learning de manière industrielle et pérenne. En combinant Software Craft (Clean Code, TDD), principes de modélisation (Data Mesh, Bounded Contexts) et workflows MLOps, les participants sauront bâtir des architectures réactives résilientes et optimisées pour le Context Engineering de l'IA agentique.
Appliquer le Clean Code et le TDD au Machine Learning
Restructuration des scripts expérimentaux grâce aux principes SOLID et aux tests automatisés, divisant par 2 les délais de livraison et réduisant jusqu'à 15 fois le nombre de défauts en production.
Sécuriser la qualité des données et des modèles par des tests statistiques
Mise en œuvre de tests de seuil, de propriété et de dérive (Data/Concept Drift) pour prévenir l'accumulation de dette technique (qui gaspille 23 % à 42 % du temps de dev) et garantir la fiabilité du code face au non-déterminisme.
Modulariser l'architecture avec Data Mesh et Bounded Contexts
Découpage du système en Data Products autonomes et découplés, favorisant l'autonomie des équipes (Loi de Conway) et augmentant l'efficacité globale de livraison d'au moins 25 %.
Industrialiser le cycle de vie ML (MLOps) et aligner les équipes
Mise en place de pipelines CI/CD/CT automatisés et d'un cadre technique partagé entre Data Scientists et Data Engineers, réduisant le coût des régressions et accélérant la mise sur le marché des fonctionnalités IA.
Introduction à l'apprentissage automatique et ses utilisations
Analyse de l'écosystème du Machine Learning et de son intégration dans les produits modernes.
Les participants découvriront comment identifier les cas d'usage à haute valeur business et poser les bases d'un projet ML réussi.
Comprendre le potentiel de ML pour comprendre la complexité du domaine
Exploration des synergies entre la modélisation métier et les modèles d'apprentissage automatique.
Ce module apprend à traduire des problèmes métier complexes en algorithmes exploitables tout en préservant l'alignement stratégique
Clean Code pour ML, les principes SOLID, les tests et le refactoring
Application des piliers du Software Craftsmanship au code de Machine Learning et de Data Science.
Les apprenants mettront en pratique le refactoring, les principes SOLID et le TDD pour transformer des scripts expérimentaux en code robuste et maintenable.
Tests des données pour ML, y compris les tests unitaires, les tests de seuil, les tests de propriété et les tests statistiques
Implémentation d'une stratégie de test complète adaptée aux spécificités de la Data et du ML.
Le module couvre la validation comportementale du code ainsi que la vérification statistique et la détection d'anomalies sur les jeux de données.
Modularité, Data, ML, y compris Data Mesh & Data Products,
Conception d'architectures distribuées et modulaires pour passer à l'échelle.
Les participants apprendront à découper leurs systèmes en Data Products autonomes et à appliquer les principes de Bounded Contexts aux flux de données.
Modes de collaboration entre les data scientists et les data engineers :
Alignement méthodologique et culturel entre les équipes Data Science, Engineering et Produit.
L'accent est mis sur la mise en place d'un cadre technique partagé et de pratiques collaboratives pour éliminer les frictions de livraison.
MLOps, y compris les workflows MLOps, l'automatisation MLOps, les technologies MLOps, la dérive conceptuelle, la dérive de données, la surveillance et les systèmes ML
Industrialisation du cycle de vie des modèles du développement à la production.
Ce module traite de l'automatisation des pipelines CI/CD/CT, du suivi de la dérive (Data & Concept Drift) et du monitoring en temps réel.
Développeuses et développeurs de niveau intermédiaire dans n'importe quel langage, les data analysts, des architectes data.
Pour chaque formation, un quizz de validation des prérequis sera transmis 2 semaines en amont et en fin de session pour valider les acquis.
Les formateurs distribueront les supports de la formation au format électronique PDF à la fin de la formation.
La formation est donnée en français ou en anglais. Les supports de formation sont en anglais.
Les formateurs sont des développeurs / développeuses seniors Arolla avec une expérience significative en sécurisation de multiples applications
Pour toute personne en situation de handicap, n’hésitez pas à nous contacter au 07 63 74 20 95 ou à formation@arolla.fr.
Par ailleurs, toutes nos formations sont accessibles en distanciel.
Formateur Arolla - Lead technique craft
CTO associé Arolla
