AIOps par la pratique, ou comment délivrer vos modèles en prod de façon fluide et répétable

Startup, ESN ou grande corporate, vous vous demandez sérieusement comment passer le notebook Python de votre PoC en production ? Ou comment assurer la traçabilité des données utilisées pour entraîner votre modèle ? Et comment exposer vos modèles à l'échelle ? Vous avez aussi accouché d'un modèle, mais n'avez plus aucune idée des paramètres utilisés à l'époque ? Gitlab, Kubernetes, MLFlow, Airflow.... : en prenant appui sur une démo concrète, assemblez avec nous les pièces du puzzle AIOps pour découvrir comment industrialiser le delivery de vos projets datascience / AI !