От сырых данных до готового AI-сервиса за 10 минут разбираем тестовое задание ML-инженера в BigTech

Большинство ML-команд умеет качественно обучать модели. Но зачастую компаниям нужна не просто модель, а полезные предикты, которые можно «из коробки» использовать в бизнес-процессах, подключать к сайту или приложениям.
На собеседованиях в российских и зарубежных ИТ-компаниях встречаются такие задания - «описать путь от модели в локальном Jupyter-ноутбуке до готового сервиса, к которому можно обращаться по API».
На вебинаре мы поговорим об оптимальных и неоптимальных способах решения подобных задач, важности версионирования и о том, как сделать из любой ML-модели готовый сервис. Дополнительно разберем основные принципы и инструменты MLOps.
Вебинар будет интересен ML и MLOps-инженерам, инженерам данных, ведущим Data Scientists, а также DevOps-инженерам и менеджерам технических продуктов.
В программе
Создаем готовый ML API в Jupyter-ноутбуке.
Проводим версионирование модели, разбираем возможности и функции MLflow.
Налаживаем жизненный цикл модели.
Организовываем хранение ML-артефактов и пространство для командной работы над библиотекой моделей для разных задач.
Спикер:
Алексей Белозерский
Руководитель команды Big Data Services, VK Cloud