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.
Материалы курса
-
1
Подробно разбираем концепцию MLOps через самую полную, на наш взгляд, схему.
-
2
Рассматриваем три типа артефактов, с которыми работает MLOps
-
3
Рассматриваем концепцию MLOps через элементы информационной системы.
-
4Каким должен быть Feature Store, чтобы оптимизировать работу с ML-моделями
15 минут
Материал пройден
В статье рассказываем о том, что нужно бизнесу от Feature Store сегодня, и разбираем архитектуру open source-платформы Feast.
-
5
Рассказываем, в какой момент бизнесу стоит организовать платформу для обработки данных и какие варианты есть в России.
-
6
В статье рассказываем о том, как перейти на Kubeflow в качестве ML-платформы. По мотивам доклада компании Mediascope.
-
7
В статье рассказываем о том, какие инструменты лучше использовать для инференса ML на CPU. А также сравниваем ONNX Runtime, OpenVINO и TVM.