MLOps и production подход к ML исследованиям 2.0

27 марта — 22 мая  

• Вы научитесь организовывать workflow команды ml-разработки c нуля, и применять agile подход.
• Освоите концепцию воспроизводимых и масштабируемых исследований от организации репозитория до настройки CI/CD и интеграции ML-модели в эксплуатацию. 
• 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. 
• Познакомитесь с методами мониторинга и аналитики ML-моделей.

Ресурсы курса:

• Папка со всеми материалами: клик
• Telegram чат для участников курса: клик
• Анкета для вопросов и предложений: клик

Необходимые навыки:

• Python
• Основы машинного обучения

Кому будет полезен курс?

• ML-инженеры
• Аналитики и инженеры данных
• Менеджеры AI-продуктов и руководители (тимлиды) ML-команд

Как поучаствовать?

Войдите с аккаунтом ods.ai и нажмите  "Участвовать" в правом верхнем углу.

Следите за обновлениями в нашем Telegram чате для участников курса, там же вы можете задать любые вопросы связанные с курсом.

Состав и расписание курса

На курсе вас ждут 12 онлайн занятий, продолжительностью 1 - 2 часа. (В основном по понедельникам 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.

Как набрать баллы рейтинга?

Точные количество и распределение баллов будут позже.

• проходить тесты/выполнять задания (возможно будут проверяемые задания, если наберем менторов)
• выполнить и представить финальный проект
• провести мастер-класс или выступить на митапе по теме, связанной с курсом

Рейтинг будет доступен после закрытия дэдлайна по заданиям первой недели

Программа курса:

• Концепция воспроизводимых и масштабируемых исследований. Особенности ML разработки в production. Стадия инициации проекта и его первичная проработка проекта с заказчиком.
• Хранение и версионирование кода. Gitlab. Общие принципы Git-flow, Github-flow, настройка репозитория, codereview.
• Agile. Теория + практика.
• CI/CD (GitLab)
• Codestyle, инструменты автоформатирования, линтеры.
• Шаблонизация. Python пакеты и CLI. Управление зависимостями.
• Инструменты автоматизации воспроизводимых масштабируемых исследований, часть 1. Snakemake, DVC.
• Инструменты автоматизации воспроизводимых масштабируемых исследований, часть 2. MLflow
• Разработка сервиса на базе ML моделей. Контейнеризация с Docker.
• Методы и инструменты тестирования
• Мониторинг и аналитика МЛ моделей
• Оптимизация инференса

Организаторы: