Подборка докладов ML-митапа: инфраструктура, дрифты модели, компьютерное зрение
В сентябре мы провели ежегодный митап MLOps и ML-инженеров. Обсудили инфраструктуру для ML и AI, виды дрифтов ML-моделей, Computer Vision в животноводстве. Выступили эксперты из Neoflex, Контур AI, Selectel и Русагро. В этом тексте — записи всех докладов и дискуссии, а также полезные материалы для более глубокого погружения в мир ML.
Дрифт данных и моделей на MLOps платформе Neoflex Dognauts
Спикер: Анастасия Коткова — ML-инженер, Neoflex.
Анастасия рассказала, как мониторинг помогает вовремя обнаружить ухудшение качества работы ML-модели. Для примера она рассматривает два вида дрифта:
- дрифт данных — когда качество предсказания ML-модели изменяется под влиянием статистических свойств входных данных;
- дрифт концепции — когда изменение статистических свойств целевой переменной вызвано изменением концепции того, что мы пытаемся предсказать.
Хостинг ML-моделей в Контуре: существующее решение и путь к нему
Спикер: Денис Брандес — инженер-программист, Контур AI.
Денис рассказал про деплой и хостинг моделей машинного обучения в компании «Контур», возникающие проблемы и их решения.
Стек технологий и инфраструктурная база для внедрения LLM
Спикер: Антон Чунаев — менеджер ML-продуктов, Selectel.
Антон рассказал, что такое большие языковые модели (LLM), как использовать Open Source модели и какие ресурсы нужны для того, чтобы их быстро попробовать и внедрить.
Видеоаналитические сервисы в животноводстве
Спикер: Павел Ширяев — руководитель группы компьютерного зрения, Русагро.
Павел делится опытом разработки проектов по видеоаналитике. Он рассказал, как компьютерное зрение помогает мониторить состояние животных.
Дискуссия «Потребности ML-рынка России»
В конце спикеры ответили на вопросы и порассуждали о состоянии рынка ML в России, а также текущих задачах, ограничениях и оборудовании.
Доклады предыдущего митапа
ONNX Runtime, OpenVINO и TVM: обзор инструментов для ускорения ML-моделей
Как переехать на Kubeflow в качестве ML-платформы?
Каким должен быть Feature Store, чтобы оптимизировать работу с ML-моделями
Эти и другие материалы входят в курс Академии Selectel «Выстраиваем работу с ML». В нем мы подробно рассмотрели концепцию MLOps и отдельные инструменты для работы с ML-моделями, а также осветили понятие платформы обработки данных.
Сообщество и продукты для ML-специалистов
Присоединяйтесь к сообществу «MLечный путь» в Telegram. Там мы обсуждаем организацию production ML-сервисов, делимся опытом и публикуем материалы по DataOps и MLOps.
А если вы хотите собрать собственную инфраструктуру для AI-проекта, познакомьтесь со всеми доступными в Selectel продуктами и сервисами на отдельной странице.
