DiscoverХабр ПодкастыХабр ПРО // Школа жизни для моделей: как MLOps продуктивизации помогает
Хабр ПРО // Школа жизни для моделей: как MLOps продуктивизации помогает

Хабр ПРО // Школа жизни для моделей: как MLOps продуктивизации помогает

Update: 2023-01-302
Share

Description

Когда-то на создание новых ML-продуктов уходили недели и месяцы, а теперь результат должен быть в течение пары дней. В этом выпуске Хабр ПРО мы обсудили, как создать свою MLOps-платформу. Про то, как идет эта работа в Мегафоне, нам рассказали:

→ Максим Кожевников, Head of Data Science
→ Артём Глазунов, Head of ML Platform and Analytical services и ведущий подкаста «Данные люди» https://t.me/bigdatapeople.

Тайминги:
01:22 Идеальный пайплайн для ML-моделей
03:22 Главное звено внедрения MLOps
08:13 Секрет успеха своей платформы
11:51 Как определить, что нужна своя платформа
17:09 Вредные советы: как убить ML-модель
21:27 Как разные задачи ML меняют конфигурацию MLOps
24:48 Проблемы продуктивизации при работе над платформой
29:36 Ценность собственной ML-платформы
37:17 Куда развивается MLOps и видим ли мы его границы
43:45 Какие факторы увеличивают time-to-market
47:56 Должен ли Data Scientist знать DevOps-инструменты
52:34 Своя платформа vs готовые решения
54:07 Где ещё найти информацию про MLOps
Comments 
In Channel
loading
00:00
00:00
x

0.5x

0.8x

1.0x

1.25x

1.5x

2.0x

3.0x

Sleep Timer

Off

End of Episode

5 Minutes

10 Minutes

15 Minutes

30 Minutes

45 Minutes

60 Minutes

120 Minutes

Хабр ПРО // Школа жизни для моделей: как MLOps продуктивизации помогает

Хабр ПРО // Школа жизни для моделей: как MLOps продуктивизации помогает

Хабр