Bibliographie générale du parcours
Chaque chapitre du cours se termine par sa propre bibliographie commentée, précise et directement exploitable. Cette page recense les ouvrages socles, ceux qui couvrent plusieurs blocs et que la bibliothèque de l'école devrait posséder.
Ouvrages socles
-
Kief Morris, Infrastructure as Code: Dynamic Systems for the Cloud Age, 2ᵉ édition, O'Reilly, 2020. La référence conceptuelle du semestre 1, bloc 3. Morris a formalisé le vocabulaire du domaine : configuration drift, snowflake servers, cattle vs pets, pipelines d'infrastructure. Lire en priorité les chapitres 1 à 4 (principes) ; le reste sert de référence.
-
Nigel Poulton, The Kubernetes Book, édition 2024 (auto-publié, mise à jour annuelle). L'introduction la plus pédagogique à Kubernetes, semestre 2, bloc 2. À compléter systématiquement par la section « Concepts » de la documentation officielle (kubernetes.io/docs/concepts), qui fait autorité.
-
Jez Humble et David Farley, Continuous Delivery: Reliable Software Releases through Build, Test, and Deployment Automation, Addison-Wesley, 2010. L'ouvrage fondateur du CI/CD (semestre 2, bloc 3). Antérieur aux conteneurs, donc certains exemples ont vieilli, mais les principes (pipeline de déploiement, « if it hurts, do it more often », promotion d'artefacts) sont intemporels et tombent à l'examen.
-
Betsy Beyer, Chris Jones, Jennifer Petoff, Niall Murphy (dir.), Site Reliability Engineering: How Google Runs Production Systems, O'Reilly, 2016. Gratuit en ligne : sre.google/sre-book. Référence pour l'exploitation, les SLI/SLO et la culture du post-mortem (semestres 2 et 3). Chapitres recommandés : 1 (Introduction), 4 (Service Level Objectives), 15 (Postmortem Culture).
-
D. Sculley et al., « Hidden Technical Debt in Machine Learning Systems », Advances in Neural Information Processing Systems 28 (NeurIPS), 2015. Le papier fondateur du MLOps, lecture obligatoire et fiche de lecture notée au semestre 3. Disponible : papers.nips.cc.
-
Chip Huyen, Designing Machine Learning Systems, O'Reilly, 2022. Le manuel de référence du semestre 3 : serving, monitoring, drift, boucles de feedback. Écriture claire, exemples industriels réels.
-
Martin Kleppmann, Designing Data-Intensive Applications, O'Reilly, 2017. Pour le bloc Big Data du semestre 3 (et bien au-delà). Les chapitres 1 à 3 (fondations) et 10 à 11 (batch et streaming) sont ceux exploités par le cours.
Références en ligne permanentes
| Ressource | URL | Usage dans le parcours |
|---|---|---|
| The Twelve-Factor App (Adam Wiggins, Heroku, 2011) | 12factor.net/fr | S1 bloc 1 (facteurs 1 à 5), puis relecture complète au S2 |
| Documentation Ubuntu Server | documentation.ubuntu.com/server | S1, système de référence des TP |
| Documentation Ansible | docs.ansible.com | S1 bloc 3 |
| Documentation Podman | docs.podman.io | S2 bloc 1 |
| Documentation Kubernetes (Concepts) | kubernetes.io/docs/concepts | S2 bloc 2 |
| Documentation MLflow | mlflow.org/docs | S3 bloc 2 |
| Documentation Apache Airflow | airflow.apache.org/docs | S3 bloc 2 |
| Google Cloud, « MLOps: Continuous delivery and automation pipelines in machine learning » | cloud.google.com/architecture/mlops-continuous-delivery-and-automation-pipelines-in-machine-learning | S3, niveaux de maturité MLOps |
Comment lire une bibliographie de chapitre
Chaque chapitre distingue trois niveaux :
- Sources primaires : documentation officielle, RFC, papiers de recherche. C'est ce qui fait foi en cas de doute, et ce que cite l'examen.
- Lectures recommandées : chapitres précis d'ouvrages, articles de fond. Pour consolider après le cours.
- Pour aller plus loin : approfondissements facultatifs, souvent historiques ou techniques, pour les curieux.
Une compétence d'ingénieur à part entière : remonter à la source. Quand un billet de blog contredit la documentation officielle, la documentation gagne ; quand la documentation contredit la RFC, la RFC gagne.