Présentation du cours
Bases de LLMOps et observabilité : distinguer MLOps, LLMOps et observabilité applicative, cartographier le cycle de vie AI (prompt, retrieval, outils, modèle, sortie, feedback) et définir SLOs sur qualité, latence, coût et sécurité en s'appuyant sur logs, traces et métriques.
Clarifie les spécificités de LLMOps par rapport au MLOps classique et au monitoring applicatif.
Expose le cycle de vie d'une application AI en détaillant chaque étape : prompt, récupération, utilisation d'outils, modèle, sortie et boucle de feedback.
Présente la définition des SLOs en intégrant qualité, latence, coût et sécurité comme dimensions mesurables.
Explique les rôles complémentaires des logs, traces et métriques pour surveiller et diagnostiquer les systèmes AI.
Compétences et thèmes abordés
Accéder à la plateforme
Accédez au catalogue pour consulter le détail des cours, les conditions d’accès et votre progression personnelle. Se connecter.