Выстраиваем работу с ML

В этом курсе мы собрали полезные материалы для компаний, которые внедряют machine learning в процессы. Подробно рассмотрели концепцию MLOps — дисциплину, направленную на унификацию процессов разработки и развертывания ML-систем. Также рассмотрели отдельные инструменты для работы с ML-моделями и подробно осветили понятие платформы обработки данных.

7 материалов

2 часа 47 минут

Что такое MLOps? Теоретический аспект

Подробно разбираем концепцию MLOps через самую полную, на наш взгляд, схему.

25 минут

Артефакты MLOps: данные, модель, код

Рассматриваем три типа артефактов, с которыми работает MLOps

6 минут

MLOps как информационная система

Рассматриваем концепцию MLOps через элементы информационной системы.

10 минут

Каким должен быть Feature Store, чтобы оптимизировать работу с ML-моделями

В статье рассказываем о том, что нужно бизнесу от Feature Store сегодня, и разбираем архитектуру open source-платформы Feast.

15 минут

Платформы обработки данных: какие бывают и всем ли нужны

Рассказываем, в какой момент бизнесу стоит организовать платформу для обработки данных и какие варианты есть в России.

18 минут

Как переехать на Kubeflow в качестве ML-платформы?

В статье рассказываем о том, как перейти на Kubeflow в качестве ML-платформы. По мотивам доклада компании Mediascope.

19 минут

ONNX Runtime, OpenVINO и TVM: обзор инструментов для ускорения ML-моделей

В статье рассказываем о том, какие инструменты лучше использовать для инференса ML на CPU. А также сравниваем ONNX Runtime, OpenVINO и TVM.

14 минут

Влияйте на развитие сервисов — участвуйте в исследованиях