МОВС Открытый курс MLOps Начало (2023-24, 1 модуль)
Содержание
О курсе
Вы познакомитесь с концепцией MLOps, поймете, как именно Data Scientist использует автоматизацию в своих решениях, а также попробуете самостоятельно создать пайплайн обучения ML-модели с помощью AirFlow и версионировать свои эксперименты с помощью MLFlow. Ближе к концу участников интенсива ждет мини-проект по обучению ML-модели по расписанию.
Цель этого курса - научиться поднимать необходимое окружение для ML-экспериментов и грамотно версионировать свои результаты.
Занятия проводятся в Zoom по пятницам в 18:00
Этот же курс на платформе Stepik: https://stepik.org/course/181476/promo
Контакты
Чат курса в TG: https://t.me/+3kpj_Dt2BmBjZjA6
Преподаватель: Елизавета Гаврилова, Senior ML Engineer
| Ассистент | Telegram |
|---|---|
| Андрей | @mr_dyadyunov |
Материалы курса
Ссылка на плейлист курса на YouTube: YouTube-playlist
| Занятие | Тема | Дата | Дополнительные материалы |
|---|---|---|---|
| 1 [Запись на Stepik], [Запись на YouTube] | [Слайды] MLOps интро. MLOps для регулярного обучения моделей: обзор стека AirFlow+MLFlow+S3 | 15.09.23 |
Вебинар о продуктивизации ML-решений "От Jupyter Notebook до полноценного продукта" Почитать про обучение моделей в sklearn |
| 2 [Запись на Stepik], [Запись на YouTube] | [Слайды] Виртуальные машины и виртуальные окружения. Сетап необходимой инфраструктуры: установка и настройка AirFlow, MLFlow, S3. | 22.09.23 | AirFlow Quick Start, Conda Cheatsheet |
| 3 [Запись на Stepik] | [Слайды] Что такое DAG? Мой первый DAG для обучения модели: из чего состоит пайплайн обучения? | 29.09.23 | |
| 4 [Запись на Stepik, Теория], [Запись на Stepik, Практика] | [Слайды] Обучение нескольких моделей одновременно. Концепция X-Com в AirFlow. | 06.10.23 | Документация про XCom AirFlow, Context AirFlow |
| 5 [Запись на Stepik] | [Слайды] Как устроен MLFlow? Как запустить MLFlow? | 13.10.23 | MLFlow QuickStart, параметры запуска MLFlow, .bashrc vs bash_profile |
| 6 [Запись на Stepik] | [Слайды] MLFlow NestedRun. AirFlow ревью. Обзор финального задания. | 20.10.23 |
Формула оценивания
Оценка = 0.4*ОТесты + 0.6*ОПроект
Описание проектов
Лучше заглянуть на Stepik
Литература
- "Machine Learning Engineering" by Andriy Burkov, 2020
- "Practical MLOps: Operationalizing Machine Learning Models (2021)", Noah Gift & Alfredo Deza
