Практический курс по ML для новичков
Делаем первые шаги в машинном обучении. В курсе вы найдете полезные материалы по запуску ML-моделей, эффективному распределению вычислительных ресурсов и подбору железа. Мы составили материалы так, чтобы вы могли воспроизвести описанные действия в рамках собственных пет-проектов.
Материалы курса
-
1
В статье посмотрим, как сделать свой первый ML-проект, используя только свертки CNN-моделей.
-
2
Рассказываем, как подготовить облачное окружение и начать работу с Jupyter, Superset, PostgreSQL и другими инструментами.
-
3
В материале рассказываем, как развернули платформу аналитики на инфраструктуре Selectel и с ее помощью оценили тональность тысяч комментариев в нашем блоге на Хабре.
-
4
В статье рассказываем, как Hugging Face, CleanML, Jupiter и другие инструменты помогают проводить ML-эксперименты.
-
5
В статье рассказываем о шеринге GPU как о технологии, а также показываем, как запустить инференс-сервер на базе MIG.
-
6
Рассказываю, как использовать технологии MIG и TimeSlicing в Kubernetes и настроить автоскейлинг инференса под нагрузками.
-
7
В статье рассказываем, как настроить динамический шеринг GPU в Kubernetes при активной нагрузке.
-
8
Насколько GTX 1080 отвечает современным запросам? Удалось ли ей сохранить актуальность в машинном обучении? Разбираемся в статье.
-
9
В статье сравниваем возможности A100 40 ГБ и А6000 Ada 48 ГБ на примере работы с большой языковой моделью: обучаем LLM, генерируем текст и оцениваем результаты.