MLOps помогает построить прозрачный и эффективный процесс работы с ML-решениями в компаниях, где в разработке, тестировании, развертывании и поддержке ML-моделей участвуют разнопрофильные специалисты. 

Как правило, чем больше проектов, тем сложнее управлять инфраструктурой для машинного обучения. На развертывание и настройку инструментов требуется больше ресурсов, важны четкие и прозрачные процессы. Сочетание Cloud-Native- и MLOps-подходов позволяет ускорить процессы на всех этапах работы с ML-моделями и быстрее получать бизнес-результат. 

На вебинаре расскажем, как с помощью инструментов JupyterHub и MLflow проводить эксперименты с моделями, организовывать трекинг моделей и артефактов, загружать и применять модели из центрального реестра MLflow. Примеры использования инструментов рассмотрим на примере сервиса Cloud ML Platform.  

Вебинар будет интересен специалистам по Data Science, дата-инженерам, ML-инженерам.

В программе

• Введение в MLOps на примере ML Platform от VK Cloud
• Работа с MLflow — инструментом для управления жизненным циклом ML-моделей
• Демонстрация ML Platform в облаке VK Cloud
• Демонстрация возможностей MLflow для автоматизации процесса работы с ML-моделями
• Best practices по работе с MLflow

Спикеры

• Александр Волынский, технический менеджер продукта Cloud ML Platform, VK Cloud
• Сергей Артюхин, преподаватель курса "Симулятор ML", Karpov.Courses

Наши информационные партнеры

IT Meeting - телеграм-канал с анонсами бесплатных мероприятий по разработке