- Суть
- Освоение практик MLOps для разработки, промышленного развёртывания и мониторинга ML-моделей
- Уровень
- для практикующих
- На выходе
- Научитесь оценивать зрелость ML-проектов с помощью фреймворков; Сможете развёртывать и сопровождать ML-модели в продакшене; Настроите CI/CD-процессы для автоматизации интеграции и обновления моделей; Освоите разработку MLOps-архитектуры и работу в Yandex Cloud; Настроите мониторинг метрик, версионирование и тестирование моделей
- Навыки
- Python · Docker · FastAPI · MLflow · ClearML · Prometheus и Grafana · GitLab CI · Airflow
- Кому подойдёт
- Специалисты в области Data Science и Machine Learning; ML-инженеры; DevOps-специалисты; Инженеры данных
- Знать заранее
- Уверенные знания SQL и объектно-ориентированного программирования; Умение применять Python для задач машинного обучения; Знакомство с проектированием веб-сервисов (Flask, FastAPI, Django); Владение Git на уровне Pull Requests и опыт с пайплайнами данных в Airflow/Prefect
