• Гость, подпишитесь сейчас

    📥 Наш адрес сайта меняется, чтобы быть в курсе актуального адреса, подпишитесь на телеграм канал «Подписаться»
Скачать 

[Яндекс Практикум] MLOps для разработки и мониторинга моделей [Катерина Цаплина, Антон Алексеев]

  • Дата начала

Описание складчины

Обучение [Яндекс Практикум] MLOps для разработки и мониторинга моделей [Катерина Цаплина, Антон Алексеев] станет полезным ресурсом для изучения современных инструментов разработки и программирования. Купить курс в складчину можно совместно с другими желающими.

Цена: 295 РУБ
Список участников складчины:
  • 1. ник скрыт
  • 2. ник скрыт
Показать больше
Xarza
Xarza
Организатор
  • #1

[Яндекс Практикум] MLOps для разработки и мониторинга моделей [Катерина Цаплина, Антон Алексеев]

Ссылка на картинку
Это курс для специалистов с опытом, которые хотят профессионально вырасти

Нужно знать основы SQL и объектно-ориентированного программирования, уметь использовать Python для решения ML-задач, быть знакомым с проектированием веб-сервисов на Flask, FastAPI или Django, работать в Git на уровне открытого PR и с простыми пайплайнами по обработке данных в оркестраторах общего применения Airflow или Prefect
  • Специалисты в области Data Science и Machine Learning
    Разберётесь в ключевых практиках и инструментах MLOps, чтобы разворачивать и управлять ML-моделями в продакшн-среде
  • ML-инженеры и специалисты по DevOps
    Структурируете знания и освоите подход к управлению жизненным циклом ML-моделей: автоматизируете развёртывание, настройку мониторинга и обновление моделей в продакшене
  • Инженеры данных
    Погрузитесь в новую предметную область и выйдете за рамки классических ETL-процессов: научитесь организовывать и сопровождать ML-модели в продакшене
Через 5 месяцев вы сможете
  • Оценивать зрелость ML-проекта при помощи фреймворка MLOps-зрелости
  • Развёртывать ML-модели в продакшене
  • Настраивать и поддерживать CI/CD-процессы для ML, чтобы автоматизировать обновление и интеграцию моделей
  • Разрабатывать MLOps-архитектуру, адаптированную под конкретный кейс
  • Выбирать подходящий способ деплоя в зависимости от бизнес-требований
  • Работать в облачной среде и управлять ML-инфраструктурой при помощи Yandex Cloud
  • Автоматизировать жизненный цикл ML-модели: предобработку данных, эксперименты, развёртывание и мониторинг
  • Обеспечивать надёжность и контроль качества моделей с помощью версионирования, тестирования, мониторинга данных и метрик
  • Взаимодействовать с другими специалистами, создавая комплексные ML-решения, готовые к масштабированию
Освоите стек технологий, который соответствует современным требованиям MLOps
  • Python
  • Git
  • Docker
  • Docker Compose
  • FastAPI
  • MLflow
  • ClearML
  • S3
  • Yandex Cloud
  • Prometheus Stack
  • Evidently
  • Great Expectations
  • Airflow
  • PostgreSQL
  • Linux
  • GitLab CI
  • CI/CD
  • NFS
  • Kserve
Программа:
  1. Введение в MLOps
  2. Практики разработки
  3. DevOps- и CI/CD-практики
  4. Контейнеризация и облачное окружение
  5. Качество и версионирование данных
  6. Отслеживание экспериментов, управление ML-моделями и их хранение
  7. Оркестрация и ML-пайплайны
  8. Развёртывание ML-моделей
  9. Мониторинг и обратная связь
Показать больше
 
Зарегистрируйтесь , чтобы посмотреть контент.
mlops антон алексеев катерина цаплина мониторинг моделей яндекс практикум
Похожие складчины
  • в разделе: Программирование
  • в разделе: Программирование
  • в разделе: Программирование
  • в разделе: Программирование

Войдите или зарегистрируйтесь!

Учетная запись позволит вам участвовать в складчинах и оставлять комментарии

Регистрация

Создайте аккаунт. Это просто!

Вход

Вы уже зарегистрированы? Войдите.

Сверху