Description
Fondations de génie logiciel et DevOps pour concevoir, faire évoluer et opérer des systèmes d'IA en production. Meilleures pratiques Python pour l'IA: structuration de code, gestion des dépendances, configuration, secrets, optimisation de performance, journalisation. Environnements et scripts pour l'automatisation. Machines virtuelles. Conteneurisation: création d'images, gestion des données, réseautage, composition de services. Observabilité: instrumentation de métriques, tableaux de bord, alertes, collecte de journaux, ingénierie de la fiabilité des sites. Orchestration infonuagique: outils avancés d'orchestration et déploiement. Qualité logicielle et stratégies de tests. Intégration et déploiement continus: pipelines automatisés, gestion des secrets, flux de travail réutilisables. Infrastructure en tant que code. Conception d'interface de programmation d'application et répartition de charge. Mise en place d'une capacité DevOps sécurisée, automatisée et reproductible.