Обучение длится 5 дней и идет по будням с 18:00 до 21:00 в течение двух недель (пн., ср., пт, вт., чт.)
Входной порог
Нужно знать ML/DS на уровне junior+, работать с командной строкой
Доступ к материалам
1 месяц доступа ко всем материалам курса в вашем личном кабинете
Сертификат после обучения
В конце курса вы получите на почту наш полезный и красивый сертификат
Стоимость и порядок оплаты
Стоимость для физ.лиц — 42.000р, оплата с помощью банковской карты в личном кабинете. Если вам нужен счет, свяжитесь с нами.
Подход к обучению
Лекции Онлайн вебинары с преподавателем и возможность задать все ваши вопросы
Демонстрации Преподаватель покажет и расскажет, как решается реальная задача на практике
Тесты дня Короткий тест в конце каждого дня, который поможет понять, насколько вы усвоили материал
Домашние задания Задачи и тесты, которые позволят повторить и закрепить пройденный на лекциях материал
Квиз В последний день обучения вас ждет увлекательный квиз
Теория не будет оторвана от практики – все ключевые идеи будут реализованы на Python. А закончится интенсив разбором практических кейсов.
О чем пойдет речь?
Интенсив раскроет тему MLOps и поможет понять, как упростить работу с ML моделями.
Изучим концепцию MLOps, зачем и как это использовать
Обсудим технологии, упрощающие жизнь DS’а
Научимся организовывать разработку и внедрение моделей
Рассмотрим ЖЦМ и то, как его организовать и автоматизировать
Разработчикам моделей (и не только), которые хотят научиться использовать современные инструменты MLOps
5. РобоБух проводит сверку автоматически
продуктивизировать модели и управлять жизненным циклом моделей
применять практики командной разработки в ML проектах
Кому подойдет курс?
Расписание программы по дням
Интенсив раскроет тему MLOps и поможет понять, как упростить работу с ML моделями
► Что такое MLOps? ► Как устроен Жизненный Цикл Модели (ЖЦМ)? ► Как организовать среду разработки моделей? ► Виртуальные окружения ► Jupyter(Notebook/Lab/Hub) ► Шаблонизация структура проекта моделирования ► Качество кода
► Git для задач моделирования ► Версионирование датасетов ► DVC - Data Version Control ► Трекинг данных. Версионирование и восстановление ► Конвейеры обработки данных и воспроизводимость ► Параметры, графики и метрики в DVC ► FeatureStore для версионирования данных
► Что такое эксперимент и как ими управлять? ►Технологии для управления экспериментами ► MLFlow для управления экспериментами ► Организация разработки моделей с использованием MLFlow ► Упаковка моделей ► Организация реестра моделей
► Как внедрять модели? ► Batch vs Online ► Построение процессов применения моделей ► Airflow для управления процессом применения моделей ► Airflow + Spark ► Создание API для модели ► Docker для ML задач ► Внедрение моделей
► Что такое CI/CD? ► Как устроен процесс внедрения моделей? ► Технологии CI/CD ► Gitlab CI - для автоматизации ► Автоматизация процессов внедрения ► Автоматизация сборки моделей ► Автоматизация переобучения (повторного обучения) моделей
A²NCED
Преподаватели
Вадим Глухов
Middle DS команды клиентской аналитики практики GlowByte Advanced Analytics
Разнообразный опыт решения ML задач в различных областях, разработка и продуктивизация моделей на базе вендорных и open-source решений. Имеет большой опыт в разработке и проектировании архитектуры веб-приложений.
Широкий опыт построения MLOps платформ на базе open-source и вендорских решений в основных бизнес-отраслях: банки, телеком, ритейл. Специализируется на проектирование архитектуры, управление жизненным циклом моделей, автоматизацией процессов для разработки и внедрения аналитических решений.
Егор Шишковец
Team Lead DS команды клиентской аналитики практики GlowByte Advanced Analytics
Большой опыт в построении ML решении на базе open-source в таких отраслях как ритейл, страхование, банки и телеком. Специализируется на разработке и продуктивизации моделей машинного обучения.
Есть вопросы или нужно заключить договор? Свяжитесь с нами!