Score

MLOps 2023 Домашнее задание 1

Block 1

Особенности ML разработки в production. Создание базового ML проекта

Теория

#1. Концепция воспроизводимых и масштабируемых исследований

Домашнее задание по первой лекции

Хакатон

#1. Домашнее задание

Course block deadline expired on 13.04.2023 20:59

Block deadline expired

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

#2. Git. Хранение и версионирование кода

Квест

#2. Тест

Course block deadline expired on 17.04.2023 20:59

#3. GitLab CI. Codestyle, линтеры. Шаблонизация

#3. GitLab CI. Codestyle, линтеры. Шаблонизация. Практика

MLOps 2023 Домашнее задание 3

Домашнее задание по третьей лекции

#3. Домашнее задание

Course block deadline expired on 10.05.2023 20:59

#4.  DVC+S3. Python пакеты и CLI. Управление зависимостями (Poetry)

MLOps 2023 Домашнее задание 4

#4. Домашнее задание

Course block deadline expired on 14.05.2023 20:59

#5. MLFlow. Контейнеризация с Docker.

#6. Deploy ML моделей

MLOps 2023 Домашнее задание 6

#6. Домашнее задание

FeaturedBanner-7c2f9f7a

Чат курса

<h4><strong>27&nbsp;марта &mdash; 22&nbsp;мая&nbsp;&nbsp;</strong></h4>

<ul>
<li>Вы научитесь организовывать&nbsp;workflow команды ml-разработки c нуля, и применять agile подход.</li>
<li>Освоите концепцию воспроизводимых и масштабируемых исследований от организации репозитория до настройки CI/CD и интеграции ML-модели в эксплуатацию.&nbsp;</li>
<li>Познакомитесь с популярными инструментами командной разработки: GitLab, SnakeMake, MLFlow, DVC.&nbsp;</li>
<li>Научитесь унифицировать цикл выпуска моделей машинного обучения и создаваемых на их основе программных продуктов, сможете автоматизировать тестирование производимых артефактов.&nbsp;</li>
<li>Познакомитесь с методами мониторинга и аналитики ML-моделей.</li>
</ul>

<h3>Ресурсы курса:</h3>

<ul>
<li>Папка со всеми <strong>материалами</strong>: <a href="https://drive.google.com/drive/folders/1aA6hVGzPbVzuBDMCaP54e3aT4ZmOZPdY?usp=share_link" rel="noopener noreferrer" target="_blank"><strong>клик</strong></a></li>
<li><strong>Telegram</strong> чат для участников курса: <a href="https://t.me/+Y7JIRbj9cBk2NGYy" rel="noopener noreferrer" target="_blank"><strong>клик</strong></a></li>
<li>Анкета для вопросов и предложений<strong>: </strong><a href="https://forms.gle/scjZUa5SKXJnnw4X9" rel="noopener noreferrer" target="_blank"><strong>клик</strong></a></li>
</ul>

<h3><strong>Необходимые навыки:</strong></h3>

<ul>
<li>Python</li>
<li>Основы машинного обучения</li>
</ul>

<h3><strong>Кому будет полезен курс?</strong></h3>

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

<h3><strong>Как поучаствовать?</strong></h3>

<p>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;Участвовать&quot; в правом верхнем углу.</p>

<p>Следите за обновлениями в нашем <a href="https://t.me/+Y7JIRbj9cBk2NGYy" rel="noopener noreferrer" target="_blank"><strong>Telegram чате</strong></a> для участников курса, там же вы можете задать любые вопросы связанные с курсом.</p>

<h3>Состав и расписание курса</h3>

<p>На курсе вас ждут <strong>12 онлайн занятий</strong>, продолжительностью 1 - 2 часа.<strong> (</strong>В основном<strong> </strong>по<strong> понедельникам 18:30). </strong>Все занятия будут доступны <strong>в записи</strong>. Для дополнительной мотивации будет вестись <strong>публичный рейтинг, </strong>лучшие участники получат уникальный мерч от <strong>ODS</strong>.</p>

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

<h3>Как набрать баллы рейтинга?</h3>

<p>Точные количество и распределение баллов будут позже.</p>

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

<p><strong>Рейтинг будет доступен</strong> после закрытия дэдлайна по заданиям первой недели</p>

<h3><strong>Программа курса:</strong></h3>

<ul>
<li>Концепция воспроизводимых и масштабируемых исследований. Особенности ML разработки в production. Стадия инициации проекта и его первичная проработка проекта с заказчиком.</li>
<li>Хранение и версионирование кода. Gitlab. Общие принципы Git-flow, Github-flow, настройка репозитория, codereview.</li>
<li>Agile. Теория + практика.</li>
<li>CI/CD (GitLab)</li>
<li>Codestyle, инструменты автоформатирования, линтеры.</li>
<li>Шаблонизация. Python пакеты и CLI. Управление зависимостями.</li>
<li>Инструменты автоматизации воспроизводимых масштабируемых исследований, часть 1. 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</li>
<li>Мониторинг и аналитика МЛ моделей</li>
<li>Оптимизация инференса</li>
</ul>

<p>&nbsp;</p>

Павел Кикин

Ирина Беккер

Алексей Колесников

Родион Щебентовский

Дмитрий Подвязников

Роман Матанцев

Тимур Касимов

Алексей Бардышев

Ксения Никитина

Илья Капустин

Евгения Димидова

Эрдэни Цырендашиев

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

leaderboard

Митапы

User Agreement

<p>Я прочитал(-а) и согласен(-на) с <a href="https://storage.yandexcloud.net/datasouls-ods/CourseFest_1/Docs/UserAgreement.pdf" rel="noopener noreferrer" target="_blank">Пользовательским соглашением и Политикой конфиденциальности</a></p>

Privacy Policy

<p>Я даю свое <a href="http://storage.yandexcloud.net/ds-ods/files/data/docs/events/Spring23/soglasieru.pdf">согласие</a> ООО &ldquo;Соревнования Анализа Данных&rdquo; на обработку и передачу моих персональных данных партнерам мероприятия для информационного взаимодействия&nbsp;</p>

Consent

<p>Я согласен(а) получать информационные рассылки от ООО &ldquo;Соревнования Анализа Данных&rdquo; про активности ODS</p>

<p>Мне интересно получать предложения о работе</p>


1	Vyacheslav Bazhenov	20.00	10	10.00
2	Ivan Morozov	20.00	10	10.00
3	Stepan Stiukov	20.00	10	10.00
4	Stanislav Marchenko	20.00	10	10.00
5	Ilia Meshcheriakov	20.00	10	10.00
6	Maria Samorodova	20.00	10	10.00
7	Aleksandr Ershov	20.00	10	10.00
8	Vadim Vlasov	20.00	10	10.00
9	Sergey Minichev	20.00	10	10.00
10	Anatolii Liutov	20.00	10	10.00
11	Mikhail Sorokin	20.00	10	10.00
12	Rostislav Shikharev	20.00	10	10.00
13	Im Sh	20.00	10	10.00
14	Alexey Kulikov	20.00	10	10.00
15	Ann Khan	20.00	10	10.00
16	Tatiana Moiseeva	20.00	10	10.00
17	Alexander Haller	20.00	10	10.00
18	Ruslan Latipov	20.00	10	10.00
19	Aleksei Vert-Miller	20.00	10	10.00
20	Arman Keresh	20.00	10	10.00
21	Vadim Surin	20.00	10	10.00
22	Stanislav Fateev	20.00	10	10.00
23	Daria Vorontsova	20.00	10	10.00
24	Denis Ryzhov	20.00	10	10.00
25	Aleksey Kuritsyn	20.00	10	10.00
26	Mikhail Vakhmenin	20.00	10	10.00
27	Alexander Lekomtsev	20.00	10	10.00
28	Vladimir Kochetkov	20.00	10	10.00
29	Dmitry Soroka	20.00	10	10.00
30	Oleg Lozovsky	20.00	10	10.00
31	Stanislav Gasilovskii	20.00	10	10.00
32	Oleg Yaropolov	20.00	10	10.00
33	Dmitry Shereshevskiy	20.00	10	10.00
34	Anton Morzavchenkov	20.00	10	10.00
35	Anna Senina	20.00	10	10.00
36	Raisa Budko	20.00	10	10.00
37	Anna Vasilenko	20.00	10	10.00
38	Aleksei Safonov	20.00	10	10.00
39	Dmitriy Popkov	20.00	10	10.00
40	Nikolay Nazarov	20.00	10	10.00
41	Andrey Korotkiy	20.00	10	10.00
42	Kirill Surkov	20.00	10	10.00
43	Ivan Emelyanov	20.00	10	10.00
44	Kirill Aidarov	20.00	10	10.00
45	e99eafde4bbe	20.00	10	10.00
46	Andrei Shchahlou	20.00	10	10.00
47	Polina Roshchina	20.00	10	10.00
48	Nikita Kalimanov	20.00	10	10.00
49	Viacheslav Kuzmin	20.00	10	10.00
50	Marina Kostina	20.00	10	10.00