[ Митап 16 ]
[ ML operations for engineers: building ML pipeline ]
16 митап Software Craftsmanship был 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
1
Построение моделей
2
Хранение
3
Сравнение качества моделей
4
Поддержание версионность моделей
5
Работа с feature storage
6
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.
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: ]
- Разобрали, для чего необходим ML pipeline
- Рассмотрели из каких шагов состоит ML pipeline
- Разобрали каким образом организована работа инженера в ML команде
[ Ведущий ]
Павел Вейник
CEO в Hard & Soft Skills
разработчик с 2003 г. Работал в таких белорусских компаниях, как EPAM, Itransition, WorkFusion, однако предпочитает небольшие стартапы. Специализации - прикладная лингвистика и highload системы.
Опыт на менедженских и архитекторских ролях позволяет видеть проблемы с разных точек зрения. Ведет тренинги для компаний с 2011г.
Опыт на менедженских и архитекторских ролях позволяет видеть проблемы с разных точек зрения. Ведет тренинги для компаний с 2011г.
[ Software Craftsmanship meetups: темы будущих встреч ]
16 Митап проводился при поддержке компании SaM Solutions
[ Инфопартнеры ]
© Hard & Soft Skills, 2021
УСЛУГИ
FOLLOW US
ТРЕНИНГИ