16 митап Software Craftsmanship будет посвящен построению ML pipeline с точки зрения инженера-разработчика.
В последние год-два все чаще появляются вакансии, в которых инженеру необходимо выстроить ML pipeline. Такие вакансии получают название ML Ops.
В ML pipeline входят такие вещи как:
- построение моделей;
- хранение;
- сравнение качества моделей;
- поддержание версионность моделей;
- работа с feature storage;
- применение модели в prod.
Модель обычно оформляется как микросервис, который можно просто разворачивать, масштабировать и поддерживать.
При этом, как правило, другими членами команды оказываются data scientists или ML engineers, которые сильны в своих областях, но не могут сделать простой масштабируемый REST API для своей модели. В рамках совместной работы с ними и приходится реализовывать ML pipeline.
На митапе мы коснемся того, для чего необходим ML pipeline, из каких шагов он состоит, и каким образом организована работа инженера в ML команде.
План митапа:
1. ML Ops, ML pipeline и задачи бизнеса
2. Этапы ML pipeline
- Подготовка данных;
- Обучение модели;
- Валидация модели;
- Развертывание модели;
- Мониторинг модели.
3. Технологический стэк ML Ops
- Инструментарий;
- Версионность моделей;
- Модель и микросервисы.
4. Взаимодействие внутри ML команды
- Роли в ML команде;
- Особенности и риски;
- Процесс итеративного улучшения модели.
Ссылка на регистрацию: здесь
Митап проводится при поддержке компании Sam Solutions
