La formation est-elle certifiée Qualiopi ?

Oui, Learni est un organisme certifié Qualiopi. Cette certification garantit la qualité de nos formations et permet leur prise en charge par les OPCO et autres dispositifs de financement.

Comment financer ma formation ?

Nos formations sont éligibles aux financements OPCO. Learni vous accompagne dans les démarches de prise en charge. Un devis personnalisé est disponible sur demande.

Quels sont les prérequis pour cette formation ?

Les prérequis pour la formation Formation Google Vertex AI - Déployer des modèles ML en production sont : Expérience en Python, machine learning basique (TensorFlow ou PyTorch), notions Google Cloud Platform. Un entretien préalable permet de valider votre éligibilité.

La formation est-elle disponible en présentiel ?

Oui, la formation Formation Google Vertex AI - Déployer des modèles ML en production est disponible en distanciel. Le format peut être adapté à vos besoins (inter, intra, sur-mesure).

Formation Google Vertex AI - Déployer des modèle... | Learni

L'histoire de Learni

Fondée par des passionnés de l'apprentissage et de l'innovation, Learni s'est donnée pour mission de rendre la formation professionnelle accessible à tous, partout dans le monde. Notre équipe intervient dans les plus grandes métropoles telles que Paris, Lyon, Marseille, mais aussi à l'international, afin d'accompagner les talents et les organisations dans leur montée en compétences.

Configurez votre formation

Réponse sous 24hSans engagement100% gratuit

Il reste 9 places pour la prochaine session

FormatParticipantsDateCoordonnées

Quel format préférez-vous ?

Modalités, méthodes et moyens pédagogiques

La formation Formation Google Vertex AI - Déployer des modèles ML en production est délivrée en présentiel ou distanciel (blended-learning, e-learning, classe virtuelle, présentiel à distance). Chez Learni, organisme de formation certifié Qualiopi, chaque parcours est conçu pour maximiser l'acquisition de compétences, quel que soit le mode de formation choisi.

Le formateur alterne entre méthode démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). Cette approche pédagogique garantit un apprentissage concret et directement applicable en entreprise.

Moyens pédagogiques mis en œuvre

Pour garantir la qualité de la formation Formation Google Vertex AI - Déployer des modèles ML en production, Learni met à disposition les moyens pédagogiques suivants :

Ordinateurs Mac ou PC, connexion internet haut débit fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour les sessions en distanciel)
Environnements de formation installés sur les postes de travail ou accessibles en ligne
Supports de cours, exercices pratiques et ressources complémentaires
Accès post-formation aux supports et ressources pédagogiques

En cas de formation intra-entreprise sur site externe à Learni, le client s'assure et s'engage à disposer de toutes les ressources matérielles pédagogiques nécessaires (équipements informatiques, connexion internet...) au bon déroulement de l'action de formation conformément aux prérequis indiqués dans le programme de formation communiqué.

* nous consulter pour la faisabilité en distanciel** ratio variable selon la formation suivie

Modalités d'évaluation des acquis

L'évaluation des compétences acquises lors de la formation Formation Google Vertex AI - Déployer des modèles ML en production s'effectue à travers :

En cours de formation : études de cas, travaux pratiques et mises en situation professionnelle
En fin de formation : questionnaire d'auto-évaluation et évaluation des acquis par le formateur
Après la formation : attestation de fin de formation détaillant les compétences acquises

Accessibilité de la formation

Learni s'engage pour l'accessibilité de ses formations professionnelles. Toutes nos formations sont accessibles aux personnes en situation de handicap. Nos équipes sont à votre disposition pour adapter les modalités pédagogiques à vos besoins spécifiques. N'hésitez pas à nous contacter pour toute demande d'aménagement.

Objectifs de la formation

Maîtriser Vertex AI pour orchestrer pipelines MLOps professionnels

Développer et entraîner modèles ML scalables sur Vertex AI

Implémenter déploiement automatisé de modèles en production certifiante

Optimiser monitoring et gestion de versions dans Vertex AI

Concevoir workflows end-to-end pour compétences enterprise MLOps

Intégrer Vertex AI à des environnements CI/CD d'entreprise

Programme de la formation

Module 1Vertex AI : pipelines MLOps et environnement de développement (GCP, Vertex AI Workbench)

Plongez dans l'écosystème Vertex AI avec création d'un workspace dédié, configuration d'environnements Jupyter via Vertex AI Workbench, exploration des services intégrés comme Pipelines et Model Registry, réalisation de votre premier pipeline MLOps end-to-end sur datasets réels d'entreprise, exercices pratiques pour automatiser ingestion de données et preprocessing ML, production d'un livrable fonctionnel prêt pour itération, avec focus sur scalabilité et sécurité professionnelle.

Module 2Vertex AI : entraînement et tuning de modèles (AutoML, custom training jobs)

Maîtrisez l'entraînement distribué sur Vertex AI en lançant des jobs custom avec TensorFlow et PyTorch, utilisation d'hyperparameter tuning pour optimiser performances, comparaison AutoML versus training manuel sur cas concrets comme classification d'images ou prédiction temps réel, exercices hands-on pour scaler sur GPU/TPU, génération de métriques détaillées et artefacts Model Garden, création d'un modèle optimisé déployable en entreprise, valorisant directement vos compétences MLOps certifiantes.

Module 3Vertex AI : déploiement et serving de modèles (Endpoints, online/offline prediction)

Déployez vos modèles en production via Vertex AI Endpoints avec configuration scaling automatique, tests de prédiction batch et online sur traffic simulé entreprise, intégration monitoring drift et explainability via Vertex Explainable AI, exercices pratiques pour A/B testing modèles, gestion rollbacks et traffic splitting sécurisés, production d'un endpoint live connecté à une API REST, démontrant valeur immédiate pour workflows professionnels et réduction temps-to-market.

Module 4Vertex AI : monitoring avancé et CI/CD MLOps (Vertex Pipelines, integrations GitHub Actions)

Orchestrez CI/CD complet avec Vertex Pipelines et integrations GitHub/GitLab, implémentez monitoring continuous via Vertex Model Monitoring pour détecter dégradations, exercices sur remediation automatisée et retraining triggers, cas d'étude entreprise avec full lifecycle MLOps, finalisation projet fil rouge avec déploiement prod-like, revue de code et optimisation coûts GCP, obtenant compétences certifiantes pour booster carrière en IA scalable.