MLOPS: разработка и внедрение ML-решений: Повышение квалификации

Часть 1. Задачи и инструменты машинного обучения

Цель:

• дать представление о постановках задач машинного обучения, а также современных методах и инструментах их решения;
• продемонстрировать отличия от задач, для решения которых достаточно  классических методов и алгоритмов (без ML)

Теоретическая часть: погружаемся в классические постановки задач машинного обучения, методы их решения, метрики качества для оценки точности результатов, знакомимся с инструментами

Практическая часть: осваиваем инструментарий и настраиваем среды разработки, решаем небольшой набор ознакомительных задач

Домашняя работа: решение задачи классификации/регрессии.

Часть 2. Основные этапы разработки ML-решений: от прототипа до подготовки к production

Часть 3. MLOps. Экосистема разработки ML-продуктов

Часть 4. Подходы к работе с данными на каждом этапе разработки ML-решений

Часть 5. Обзор архитектурных решений для интеграции в production. Использование облачных сервисов

Часть 6. Обзор этапов и структуры ML-проекта* (входит в расширенную версию курса - 40 ак.часов)