Курс: MLOps
Что даст вам 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.
Каждый модуль вы будете закреплять на практике, выполняя домашнее задание. В конце обучения вас ждет финальный проект, который позволит обобщить все полученные знания и пополнить портфолио. Он может быть выполнен в рамках рабочих задач на вашем датасете или быть учебным проектом, основанным на данных, предоставляемых OTUS.
Для кого этот курс?
Для специалистов по Машинному обучению или Software инженеров, которые хотят научиться использовать современные инструменты MLOps для развертывания их решений в проде.
Для обучения вам понадобятся базовые навыки работы с данными. Предлагаем посмотреть Карту курсов направления Data Science в OTUS, чтобы сориентироваться в необходимом уровне подготовки.
Вы научитесь:
Использовать стандартные инструменты ML-конвейеров в распределенной среде;
Разрабатывать собственные блоки для ML-конвейеров;
Адаптировать ML-алгоритмы к распределенной среде и инструментам big data;
Использовать Spark, SparkML, Spark Streaming;
Разрабатывать алгоритмы потоковой подготовки данных для машинного обучения;
Обеспечивать контроль качества на всех этапах движения ML-решений в промышленную эксплуатацию;
Использовать инструменты Kubernetes и Docker для развертывания ML-решений в проде.
Востребованность специалистов
Один из главных трендов в современном мире - автоматизация процессов обучения и валидации, которая, в некотором роде обесценивает работу классического Data Scientist. Все движется к тому, что даже неспециалист сможет сделать fit-predict. Поэтому уже сейчас в цене те, кто имеют хотя бы поверхностные инженерные навыки.
Необходимые знания
Программирование:
- опыт разработки на python;
- построение веб-сервисов на python.
ML:
- понимание терминологии машинного обучения;
- опыт использования python для решения задач ML.
Технологии:
- Linux;
- Docker;
- Git.