.svg){kind=logo}
Architecture hybride et Machine Learning
- Practice
- Équipe
1 Architecte, 1 Sr Data Engineer, 1 Sr Data Scientist
- Environnement technique
CHALLENGES
- Le client désirait la mise en place d’une architecture lui permettant d’utiliser la puissance de calcul du cloud afin de faire tourner des modèles de Machine Learning.
- La sécurisation de la confidentialité des données était un des axes importants de la mission.
SOLUTION
- Architecture hybride (cloud et on-premise afin de pouvoir tirer profit de la puissance de calcul du cloud lors de l’entraînement des modèles de Machine Learning et de préserver les investissements déjà réalisés en on-premise.
- Conseil sur le choix des différents composants à utiliser côté plateforme Azure afin d’assurer un usage optimal des ressources et permettre de répondre au niveau de complexité scripts de Machine Learning.
- La confidentialité des données a été rendu possible à travers la désensibilisation des données, la non-persistance de celles-ci sur le cloud (paramétrage du temps de persistance donné à la main du client).
BÉNÉFICES
- Le client a pu valider une approche hybride de l’utilisation du cloud validant ces différentes exigences (sécurité, conformité, confidentialité, etc.).
- La solution a rempli l’ensemble des critères de réussite établis pour le PoC.
- Le client est maintenant prêt pour une utilisation à l’échelle de différents Use Case Data Science.
