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

О курсе

Вы познакомитесь с концепцией MLOps, поймете, как именно Data Scientist использует DevOps и CI/CD 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: AI Education: open events

Преподаватель: Елизавета Гаврилова, Senior ML Engineer

Ассистент	Telegram
	@mr_dyadyunov

Материалы курса

Ссылка на плейлист курса на YouTube: YouTube-playlist

Ссылка на GitHub с материалами курса: GitHub repository

Занятие	Тема	Дата	Материалы для самоподготовки к семинарам	Дополнительные материалы
1 Запись	Слайды MLOps интро. MLOps для регулярного обучения моделей: обзор стека AirFlow+MLFlow+S3	15.09.23
2 Запись	Слайды Виртуальные машины и виртуальные окружения. Сетап необходимой инфраструктуры: установка и настройка AirFlow, MLFlow, S3.	22.09.23
3 Запись	Слайды Что такое DAG? Мой первый DAG для обучения модели: из чего состоит пайплайн обучения?	29.09.23
4 Запись	Ноутбук Обучение нескольких моделей одновременно. Чтение и хранение данных на S3.	06.10.23
5 Запись	Ноутбук Установка и настройка MLFlow. Повторяем эксперимент, но теперь версионируем с помощью MLFlow.	13.10.23
6 Запись	Ноутбук Обзор финального задания. Подводя итоги: сравнение кастомного версионирования с готового решения MLFlow.	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