МОВС Открытый курс MLOps Начало (2023-24, 1 модуль)

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*О_Тесты + 0.6*О_Проект

Литература

1. "Machine Learning Engineering" by Andriy Burkov, 2020
2. "Practical MLOps: Operationalizing Machine Learning Models (2021)", Noah Gift & Alfredo Deza