MLOps

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 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.

Особенности курса