Курсы по MLFlow

Освоите всё с нуля за 13 месяцев — от простого к сложному. Будете решать настоящие задачи бизнеса и практиковаться на реальных данных от лидеров индустрии.

За 17 месяцев обучения по 15 часов в неделю вы освоите навыки.

За 4 месяца изучите полный жизненный цикл модели машинного обучения и научитесь строить продвинутые ML-модели.

Для кого этот курс? MLOps — это не человек, а набор практик, которым должны обладать различные специалисты. Поэтому знание MLOps для каждой роли открывает свои возможности в команде. Для Data Scientist-ов: если вы уже умеете создавать модели, то научитесь деплоить их в прод.Для ML Engineer-ов: сможете унифицировать управление несколькими моделями.Для Data Engineer-ов: вам откроется остальная часть data-driven конвейеров: валидация, обучение, вывод ML моделей в прод и мониторинг.Для Data Analytic-ов: сможете выйти за рамки графиков и дашбордов и запустить свои модели в онлайне.Для Softwear Engineer-ов: будете понимать, что нужно делать, если на вашем продукте планируют внедрять ML. Необходимые знания построение веб-сервисов на pythonопыт разработки на pythonопыт использования python для решения задач MLLinuxGit Что вам даст этот курс? Данный курс даст вам понимание того, как устроен процесс внедрения ML-решения от идеи до вывода его в прод. Преподаватели поделятся лучшими практиками и инструментами MLOps, которые устоялись в современной индустрии. Примеры практических задач, рассматриваемых на курсе: Как правильно организовать хранение исходниковГде и как хранить данныеКак сделать CI/CDКак регулярно обновлять данные и переобучать моделиКак управлять инфраструктурой в облакахКак упаковывать ML модели в микросервисыКак разворачивать k8sКак настраивать мониторинг и алертинг Инструменты, которые используются на курсе: Яндекс клауд, Git hub, S3, Spark, Kafka, Airflow, DVC, ML Flow, Docker, K8s, Prometheus, Grafana и другие.