Курс:
MLOps для Data Science
и разработки ML моделей: версионирование, автоматизация, подготовка
к production
MLOps для Data Science
и разработки ML моделей: версионирование, автоматизация, подготовка
к production
Прокачиваем необходимые инженерные навыки для проектов машинного обучения
Старт: 5 сентября 2023 г.
8 модулей
50 000 руб
Практика
Стоимость полного курса с материалами и доступом в общий чат
В течение курса вы разберете несколько примеров, "руками" прочувствуете все технологии
Онлайн
Видеоуроки
+ Документация
+ Примеры кода
+ Консультации
+ Документация
+ Примеры кода
+ Консультации
Кому подойдет этот курс
Новичкам
Data Scientists
Machine Learning Engineers
Курс поможет освоить инженерные навыки, необходимые для роста в Data Science & Machine Learning.
Вы научитесь тому, что требуется в реальных проектах, прокачаете технические скилы и повысите свою ценность для компании
Вы научитесь тому, что требуется в реальных проектах, прокачаете технические скилы и повысите свою ценность для компании
Курс поможет прокачать инженерные навыки, в том числе для автоматизации экспериментов, автоматической генерации отчетов и документации, а также для разработки production решений
Курс будет интересен, если планируете использовать DVC, MLflow, Airflow, но еще не знакомы с ними, либо нужно быстро разобраться в том, как их можно интегрировать и заставить работать вместе
По итогам курса вы сможете
-
Уверенно работать с GitОрганизовать работу над кодом и уверенно работать с Git -
Автоматизировать пайплайныАвтоматизировать пайплайны экспериментов, подготовки данных и оценки модели с DVC -
Управлять моделями и метрикамиУправлять экспериментами, метриками и жизненным циклом моделей с DVC и MLflow -
Документировать экспериментыОрганизовать автоматическую генерацию отчетов по экспериментам -
Настроить мониторингСоздавать и логировать метрики качества работы моделей, дрифтов данных и таргета, с Evidently и Grafana -
Подготовить к ProductionРазрабатывать production решения c FastAPI и Airflow
200+
Специалистов прошли обучение
50+
Компаний доверили нам обучение сотрудников
4.8 / 5
Средняя оценка курса
Темы курса
1
Основы ML System Design для задач Batch Scoring
Сделаем обзор подходов ML System Design и технологий, которые помогут организовать работу над проектом. Настроим репозиторий, разберемся с особенностями работы с Git в ML проектах, инструментарием GitLab трекинга задач, гипотез и изменений кода
2
Настройка окружения Python и Docker
Разберемся с Docker и docker-compose. Настроим воспроизводимое окружение для ML проекта
3
Версионирование данных и моделей. Model Registry
Разберемся с особенностями применения Data Version Control (DVC) в ML проектах - для версионирования данных, артефактов и моделей. Разберемся с Model Registry на DVC и MLflow.
4
Автоматизация ML пайплайнов
с DVC
с DVC
Автоматизируем пайплайн (конвейер) обучения моделей и оценки их качества. Запуск экспериментов теперь происходит одной командой!
5
Трекинг метрик
и управление экспериментами
с DVC и MLflow
и управление экспериментами
с DVC и MLflow
Добавим к нашему проекту MLflow! Теперь у нас появится удобный интерфейс для трекинга метрик и параметров экспериментов, сравнения экспериментов.
6
Основы сервинга ML моделей
с FastAPI
с FastAPI
Создаем веб-сервис FastAPI для сервинга ML модели. Запуск через Docker
7
Основы батчскоринг
с Airflow
с Airflow
Разберемся с особенностями Airflow - для чего можно использовать. Airflow часто используются для production запуска моделей по расписанию. Это хорошее решение для запуска генерации прогнозов в batch режиме
8
Мониторинг ML моделей
Добавляем мониторинг работы нашей системы с помощью Grafana и EvidentlyAI.
Напишите нам
Наш менеджер расскажет о курсах
и проконсультирует по наиболее подходящим условиям
и проконсультирует по наиболее подходящим условиям
school@risoma.ru