Cloud, Kubernetes, MLOps & IA — le manuel pratique¶
Par Yann Sofian Smatti**
Un livre pratique qui va du serveur Linux jusqu'au modèle d'IA en production : chaque concept est défini, illustré d'un schéma, appuyé par du code exécutable et, quand il y en a, par ses mathématiques (formule, intuition, exemple chiffré). 24 chapitres + 4 annexes, pensés pour des ingénieur·e·s qui veulent comprendre ET faire.
📖 Accès freemium — 100 % gratuit
Ce manuel est en freemium : cet aperçu est libre et ouvert à tous (sommaire complet + le début de chaque chapitre + le glossaire entier). La lecture intégrale — tout le code, les schémas, les maths et les exercices — est elle aussi gratuite : il suffit de créer un compte (aucun paiement, jamais).
Créer un compte gratuit pour tout lire J'ai déjà un compte — Se connecter
Ce que tu vas apprendre¶
- Fondations : Linux & shell, réseau, Git.
- Conteneurs & cloud : Docker, AWS (identité, réseau, calcul, coûts).
- Orchestration & IaC : Kubernetes, Terraform.
- Livraison & exploitation : CI/CD, sécurité & secrets, observabilité.
- Data & ML en production : Python data, data engineering, fondations ML, DVC, MLflow, MLOps.
- Intelligence artificielle : ML classique, deep learning, NLP & LLMs, vision, génératif, apprentissage par renforcement, séries temporelles.
- Capstone + annexes (glossaire, cheat-sheets, troubleshooting, annexe maths).
Le sommaire complet¶
Aperçu libre ci-dessous : le titre et les premières lignes de chaque chapitre sont publics. Le contenu intégral (code, schémas, maths, exercices) est réservé aux membres — l'inscription est gratuite.
Part 0 — Foundations¶
Part I — Containers (Docker)¶
Part II — Cloud (AWS)¶
Part III — Orchestration (Kubernetes)¶
Part IV — Infrastructure as Code (Terraform)¶
Part V — CI/CD & Delivery¶
Part VI — Security & Secrets¶
Part VII — Observability¶
Part VIII — Data & Python¶
Data engineering¶
- 12-data-engineering.md
- 12a · Foundations — modeling & SQL
- 12b · Storage & file formats
- 12c · Lakehouse — Iceberg, Delta, Hudi
- 12d · Batch — Spark, dbt, DuckDB
- 12e · Streaming — Kafka
- 12f · Orchestration — Airflow
- 12g · Data quality & contracts
- 12h · CDC & replication — Debezium
- 12i · Governance, lineage & cost
- 12j · Case study — a real pipeline
Part IX — Machine Learning in production¶
Platform track¶
- 16-mlops.md
- 16a · GPU computing & NVIDIA clusters
- 16b · HPC, Slurm & high-performance storage
- 16c · DL frameworks — PyTorch, TF, JAX, HuggingFace
- 16d · Distributed training — DDP, ZeRO, FSDP
- 16e · Serving LLMs at scale
- 16f · Ansible & fleet configuration
- 16g · Azure, serverless & microservices
Part X — Artificial Intelligence¶
AI application track¶
- 19-nlp-llms.md
- 19a · AI service architecture — FastAPI
- 19b · PostgreSQL, ingestion & indexing
- 19c · Vector databases & retrieval
- 19d · Graph databases & GraphRAG
- 19e · AI agents
- 19f · LLM security & observability