Архитектура ML-систем

Категории слушателей

Руководители и специалисты.

Цель программы

Получение практических навыков: применении MLOps, управление жизненным циклом ML-моделей, выбор архитектурных паттернов, интеграция ML-компонентов в IT-инфраструктуру и построение инфраструктуры для разработки и развертывания ML-решений.

Краткое содержание

Этапы ML-проекта и инструменты. Трекинг экспериментов, хранение артефактов и ML-моделей. Сценарии использования ML-моделей и формирования признаков. Инструменты оркестрации и их использование в ML-проекте. Ограничение программной среды. Проверка поведения обученной ML-модели (инференс). Сопровождение ML-моделей в production. AutoML в MLOps-конвейере. Эксплуатация больших нейронные сетей в продуктивном контуре.

Требования к кандидатам:

Для успешного прохождения курса необходимы знания по основам языка Python.