Открытый курс «Промышленная эксплуатация моделей машинного обучения»
К сожалению, запись на курс завершена. Вы можете оставить нам свои контактные данные в форме ниже, и мы вышлем Вам плейлист с видеозаписями всех занятий.
Основная цель данного курса — сформировать у слушателей понимание того, как применяются модели машинного обучения и как их использовать для решения бизнес-задач.
Знание этих процессов поможет аналитикам и специалистам по машинному обучению максимально адаптировать свои решения к промышленной эксплуатации. По итогам курса вы сможете лучше ориентироваться в производственной среде и понимать жизненный цикл моделей машинного обучения.
В ходе прохождения курса вы, прежде всего, научитесь выстраивать процесс разработки модели для продуктивного решения бизнес-задач, пройдете путь трансформации от jupyter notebook кода до контейнеризации модели и автоматизации необходимых для её работы процессов. В курсе также будет уделено внимание метрикам и способам мониторинга моделей.
В результате вы получите полное представление о процессе продуктивизации моделей, что позволит сократить время выхода на рынок ваших решений и поможет понять инженерный процесс разработки.
Вам не нужно платить.
По итогу программы сертификат не выдается.
16 ноября - 22 ноября, два раза в неделю в понедельник и четверг с 19:00 до 20:30, МСК.
23 ноября - 28 декабря, один раз в неделю по понедельникам с 19:00 до 20:30, МСК.
Знания, которыми должен обладать участник для прохождения курса:
- Язык программирования Python (базовые библиотеки для Python, которые используются для работы с данными: numpy, pandas, sklearn);
- Знание принципов построения моделей машинного обучения;
- Командная строка Linux.
-
16 ноября (ПН). Тема 1. Построение ML pipeline
По окончании темы вы сможете:
-
Создавать правильные ML pipeline для моделей
-
Переформатировать код из Jupyter notebook в продуктовый вид
-
Создавать ML тесты кода для устранения ошибок разработки
-
-
19 ноября (ЧТ). Тема 2. Версионирование моделей машинного обучения и процесса их разработки
По окончании темы вы сможете:
-
Создавать версионированный процесс разработки
-
Создавать DVC | Kedro pipeline
-
Правильно сохранять и передавать модели
-
-
23 ноября (ПН). Тема 3. REST API
По окончании темы вы сможете:
-
Определять способы формирования API (делать выбор REST или gRPC)
-
Разрабатывать API на Flask
-
Использовать инструменты мониторинга через API
-
Использовать Streamlit библиотеку для быстрой визуализации
-
-
30 ноября (ПН). Тема 4. CI/CD
По окончании темы вы сможете:
-
Разбираться в test / data driven development
-
Выбирать способы построения CI/CD
-
Работать с инструментами CI/CD (в частности, с CML)
-
-
7 декабря (ПН). Тема 5. Feature Store – собственное хранилище для моделей
По окончании темы вы сможете:
-
Разворачивать feature store
-
Создавать pipeline и процессы с хранилищем данных
-
-
14 декабря (ПН). Тема 6. Контейнеры для ML
По окончании темы вы сможете:
-
Разворачивать контейнеры Docker
-
Создавать рабочее окружение используя Docker
-
Контейнеризировать свои разработки
-
-
21 декабря (ПН). Тема 7. Автоматизация процессов ML
По окончании темы вы сможете:
-
Создавать процессы запускаемые по расписанию
-
Работать с Apache AirFlow / Bonobo
-
-
28 декабря (ПН). Тема 8. Мониторинг за качеством моделей в производстве
По окончании темы вы сможете:
-
Применять принципы Data Quality
-
Разбираться и применять сине-зеленое моделирование процессов
-
Применять метрики для мониторинга за моделями ML
-