Всех приветствую!Мы выходим на финишную прямую и уже завтра будут опубликованы баллы за промежуточную активность участников и пройдут состоятся защиты проектов.&nbsp;Защиты пройдут в два дня: 13 и 14 июня. Начало в 17:00. Место проведения Zoom, так же будет доступна трансляция на youtube. Регламент: 10 минут на защиту, 5 минут на обсуждение.13&nbsp;июня:<a target="_blank" rel="noopener noreferrer" href="https://us06web.zoom.us/j/87687651420?pwd=OC9Ybnl5MWx3RWdQaHprTUZyeVFYQT09">Zoom</a><a target="_blank" rel="noopener noreferrer" href="https://youtu.be/ufcgHXYUk_Q">Youtube</a>14 июня:<a target="_blank" rel="noopener noreferrer" href="https://us06web.zoom.us/j/89172155520?pwd=UjBRUFVZRVMreTRLZEhmNElnM2ptZz09">Zoom</a><a target="_blank" rel="noopener noreferrer" href="https://youtu.be/ceVjX61YqKk">Youtube</a>Посмотреть авторов, темы и порядок защиты проектов можно <a target="_blank" rel="noopener noreferrer" href="https://docs.google.com/spreadsheets/d/1f3i1jPnmS4cs12ZVXpN5iVZarb93wpOh_ZR1z4757uM/edit?usp=sharing">здесь</a>.Так же, напомню, у нас есть отдельный <a target="_blank" rel="noopener noreferrer" href="https://t.me/+YiU3hcMzYD5hNGZi">чатик</a> для защищающихся, где мы обсуждаем организационные вопросы.

Защиты проектов

Первая лекция начнется сегодня 28.03.2022 в 18:30 по мск в Youtube и Zoom.&nbsp;Будем говорить о концепции воспроизводимых и масштабируемых исследований, особенностях ML разработки в production и создании базового ML проекта.Ссылки на трансляцию:Youtube: <a target="_blank" rel="noopener noreferrer" href="https://youtu.be/OAhccSmbbc0">https://youtu.be/OAhccSmbbc0</a>Zoom: <a target="_blank" rel="noopener noreferrer" href="https://us06web.zoom.us/j/84993107174?pwd=bXFqZElPdVlLN09LMUVTMDB5bE5iZz09">https://us06web.zoom.us/j/84993107174?pwd=bXFqZElPdVlLN09LMUVTMDB5bE5iZz09</a>

Старт курса!

Особенности ML разработки в production. Создание базового ML проекта

Теория

Концепция воспроизводимых и масштабируемых исследований

Квест

Тест 1

Gitlab. Общие принципы Git-flow, Github-flow, настройка репозитория, codereview

Хранение и версионирование кода

Тест 2

Codestyle, инструменты форматирования, линтеры

Тест 3

Шаблонизация. Python пакеты и CLI. Snakemake

Тест 4

Инструменты автоматизации воспроизводимых масштабируемых исследований, часть 1.

Make, snakemake, DVC

Тест 5

Инструменты автоматизации воспроизводимых масштабируемых исследований, часть 2

MLflow

Тест 6

Разработка сервиса на базе ML моделей. Контейнеризация с Docker

Тест 7

Методы и инструменты тестирования кода и данных

Тест 8

CI/CD (GitLab, nexus)

FeaturedBanner-7c2f9f7a

Чат курса

<h4>28&nbsp;марта &mdash; 28&nbsp;мая&nbsp;&nbsp;</h4>

Вы научитесь организовывать&nbsp;workflow&nbsp;команды ml-разработки c&nbsp;нуля. Пройдете все шаги создания ML-сервиса от организации репозитория до настройки CI/CD&nbsp;и интеграции ML-модели в эксплуатацию. Освоите концепцию воспроизводимых и масштабируемых исследований. Познакомитесь с популярными инструментами командной разработки: GitLab, SnakeMake, MLFlow, DVC, научитесь унифицировать цикл выпуска моделей машинного обучения и создаваемых на их основе программных продуктов, сможете автоматизировать тестирование производимых артефактов.

<h4>Организатор: сообщество <a href="https://yandex.ru/q/loves/machine-learning/" rel="noopener noreferrer" target="_blank">Машинное обучение и нейросети</a> на Яндекс.Кью при поддержке <a href="https://ods.ai/" rel="noopener noreferrer" target="_blank">Open Data Science</a></h4>

Telegram чат для участников курса: <a href="https://t.me/MLopsProduction" rel="noopener noreferrer" target="_blank">https://t.me/MLopsProduction</a>

<h3>Необходимые навыки:</h3>

<ul>
<li>Python</li>
<li>Машинное обучение</li>
<li>Анализ данных</li>
</ul>

<h3>Кому будет полезен курс?</h3>

<ul>
<li>ML-инженеры</li>
<li>Аналитики и инженеры данных</li>
<li>Менеджеры AI-продуктов и руководители (тимлиды) ML-команд</li>
</ul>

<h3>Как поучаствовать?</h3>

Войдите&nbsp;с аккаунтом&nbsp;<a href="https://vk.com/away.php?to=http%3A%2F%2Fods.ai&amp;post=-158557357_1172&amp;cc_key=" rel="noopener noreferrer" target="_blank">ods.ai</a> и нажмите &nbsp;&quot;Start the track&quot; в правом верхнем углу.

Следите за обновлениями в нашей группе на <a href="https://yandex.ru/q/loves/machine-learning/" rel="noopener noreferrer" target="_blank">Кью</a>, там же вы можете задать любые вопросы связанные с курсом или в нашем <a href="https://t.me/MLopsProduction" rel="noopener noreferrer" target="_blank">телеграм чате</a> для участников курса.

<h3>Состав и расписание курса</h3>

На курсе вас ждут 9 онлайн занятий, продолжительностью 1,5 - 2 часа, которые будут проходить по понедельникам в 18:30. Все занятия будут доступны в записи. Для дополнительной мотивации будет вестись публичный рейтинг, лучшие участники получат уникальный мерч от ODS.

Участников ждут практические домашние задания, тесты, индивидуальный финальный проект, а так же дополнительные активности и митапы, которые будут предлагаться участникам по ходу курса.

<h3>Как набрать баллы рейтинга?</h3>

<ul>
<li>проходить тесты (10 баллов за каждый и 90 максимум)</li>
<li>выполнить и представить финальный проект (до 50 баллов)</li>
<li>написать руководство или провести мастер-класс по теме, связанной с курсом (до 40 баллов)</li>
<li>проявлять дополнительную активность - помогать участникам курса отвечая на их вопросы, публиковать оригинальные идеи, решения и подходы по темам и заданиям связанным с курсом (оценивается индивидуально)</li>
</ul>

Рейтинг будет доступен после закрытия дэдлайна по тестам первой недели - 11 апреля.

<h3>Программа курса:</h3>

<ul>
<li>Концепция воспроизводимых и масштабируемых исследований. Особенности ML разработки в production. Создание базового ML проекта.</li>
<li>Хранение и версионирование кода. Gitlab. Общие принципы Git-flow, Github-flow, настройка репозитория, codereview.</li>
<li>Codestyle, инструменты форматирования, линтеры.</li>
<li>Шаблонизация. Python пакеты и CLI. Управление зависимостями.</li>
<li>Инструменты автоматизации воспроизводимых масштабируемых исследований, часть 1. Make, snakemake, DVC.</li>
<li>Инструменты автоматизации воспроизводимых масштабируемых исследований, часть 2. MLflow</li>
<li>Разработка сервиса на базе ML моделей. Контейнеризация с Docker.</li>
<li>Методы и инструменты тестирования кода и данных</li>
<li>CI/CD (GitLab, nexus)</li>
</ul>

Продвинутые подходы и инструменты для разработки и внедрения ML-решений в production.

leaderboard

Митапы

User Agreement

I accept <a href="https://storage.yandexcloud.net/datasouls-ods/CourseFest_1/Docs/UserAgreement.pdf" rel="noopener noreferrer" target="_blank">Terms of User Agreement and Privacy Policy</a>

Privacy Policy

I give my <a href="https://storage.yandexcloud.net/datasouls-ods/CourseFest_1/Docs/Consent.pdf" rel="noopener noreferrer" target="_blank">consent</a> to &laquo;Sorevnovaniya Analiza Dannykh&raquo; LLC to process and transfer my personal data to the partners of the event for information interaction

Consent

I <a href="https://storage.yandexcloud.net/datasouls-ods/CourseFest_1/Docs/Email.pdf" rel="noopener noreferrer" target="_blank">agree</a> to receive newsletters from &laquo;Sorevnovaniya Analiza Dannykh&raquo; LLC