Комментарии 4
Статья понравилась, спасибо!
Основное внимание уделено созданию некоего "исследовательского окружения" - Jupyter с доступом к данным для экспериментов. Выделяются два раздела про фактическое боевое развертывание и мониторинг. Проходили ли этот кейс? Как переходили от небрежно написанного ноутбука (обычная история в DS) к продакшн коду? Как организовывали развертывание и доступ уже развернутого решения к боевым данным?
Привет!
Сейчас переход в продакшен коду выполняется через боль и кровь. Для того, чтобы получить готовый к проду контейнер - приходится его собирать вручную. Конечно, это проблема и сейчас мы ее пытаемся решить внедрением MLOps (Open Source компоненты). Надеюсь, через несколько месяцев смогу рассказать первые новости)
а задачи какие решаете, об этом нет ни слова, приведите два-три примера?
Добрый вечер! "Ловим" отток из разных продуктов, улучшаем рейтинговые модели для рисков (они классически на логрегах), делаем маркетинговые исследования для определения наиболее перспективных потенциальных клиентов в разрезе продукта.
Как работает машинное обучение в финтехе на примере МКБ