[Машинное обучение] Циан.Митап: «MLOps или безопасный воспроизводимый ML для бизнеса»
Автор
Сообщение
news_bot ®
Стаж: 6 лет 3 месяца
Сообщений: 27286
Всем привет!1 июля мы проводим митап про построение MLOps процессов и обеспечение воспроизводимости ML решений в продакшн. Участие бесплатное по предварительной регистрации по ссылке.Вместе с экспертами из Циан, Lamoda, Озон, Одноклассники, Мегафон поделимся опытом развития MLOps платформ, обсудим распространенные фреймворки для управления экспериментами, подходы к выкатке моделей в продакшн, автоматизации переобучения и мониторинга качества моделей. Отдельно затронем тему работы нейросеток (для CV и не только) в продакшн.Программа митапа: «Data Science в Циан. Предпосылки для развития MLOps процессов», — Александр Алексейцев, Head of Data Science, ЦианРасскажет, какие проблемы решаем с помощью машинного обучения в Циан. Почему для нас важны хорошие MLOps процессы.«ML-платформа в Циан», — Олег Дементьев, Team Lead разработки ML-платформы, ЦианРасскажет про жизненный цикл моделей. Логирование артефактов и метрик. Автогенерацию микросервиса для каждой модели. Автоматизацию обучения и деплоя моделей и интеграцию этих процессов в ETL-пайплайны. «Как мы в Lamoda поднимали MLOps стек», — Роман Тезиков, Senior Data Scientists (CV), LamodaРасскажет про жизненный цикл моделей CV в Lamoda. С помощью каких инструментов мы обеспечиваем воспроизводимость и безопасность. Как проводим эксперименты, логгируем и отбираем лучшие модели.«Оптимизация процессов разработки и эксплуатации моделей Data Science подразделения с помощью MLOps», — Максим Кожевников, Head of Data Science, МегафонРасскажет про собственный MLOps фреймворк, который разработали для улучшения процессов разработки ML-моделей в команде Мегафон, состоящей из нескольких десятков Data Scientist.«Машинное обучение в продакшене — это просто?»,— Михаил Марюфич, Старший инженер по машинному обучению, ОдноклассникиРасскажет, насколько просто может быть устроен процесс работы машинного обучения в продакшене, и почему это не работает, когда у вас сотни моделей и ответственность перед миллионами пользователей.«Такой разный озон: пять фактов о газе, который может...», — Глеб Крапивин, ML Platform Lead, ОзонРасскажет о собственном DSL для запуска задач на разных кластерах, сервисах для трекинга метрик и версионирования артефактов машинного обучения и о том, как это помогает математикам тестировать свой код.Когда: 1 июля 17:00Где: офлайн и онлайн. Для участия зарегистрируйтесь по ссылке. Кому будет интересно: MLOps для обмена опытом.TeamLeads ML-команд. Вы узнаете, какие роли могут быть в команде, и как их грамотно распределить.
===========
Источник:
habr.com
===========
Похожие новости:
- [Python, Алгоритмы, Big Data, R, Data Engineering] Запросить 100 серверов нельзя оптимизировать код. Ставим запятую
- [JavaScript, Fidonet, HTML, Карьера в IT-индустрии] X5 frontend meetup
- [Типографика, Алгоритмы, Обработка изображений, Машинное обучение, Искусственный интеллект] ИИ от Facebook воспроизводит почерк по фотографии одного слова
- [Big Data, Машинное обучение, Искусственный интеллект] ТОП-10 трендов в сфере данных и аналитики 2021. Версия Gartner (перевод)
- [Машинное обучение, Разработка на Raspberry Pi, DIY или Сделай сам, Здоровье] Быстрое обнаружение Covid-19 на рентгеновских снимках с помощью Raspberry Pi (перевод)
- [Python, Обработка изображений, Машинное обучение] Распознавание волейбольного мяча на видео с дрона
- [Python, Машинное обучение] Mushrooms (Machine Learning)
- [Хакатоны, Конференции] Digital-мероприятия в Москве c 14 по 20 июня
- [Python, Программирование, Математика, Машинное обучение] Оптимизация при помощи линейного поиска на Python (перевод)
- [Python, Программирование, Визуализация данных, Машинное обучение] 5 разных библиотек Python, которые сэкономят ваше время (перевод)
Теги для поиска: #_mashinnoe_obuchenie (Машинное обучение), #_mlops, #_data_science, #_machinelearning, #_meetup, #_blog_kompanii_tsian (
Блог компании Циан
), #_mashinnoe_obuchenie (
Машинное обучение
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 20-Май 22:39
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 3 месяца |
|
|
Всем привет!1 июля мы проводим митап про построение MLOps процессов и обеспечение воспроизводимости ML решений в продакшн. Участие бесплатное по предварительной регистрации по ссылке.Вместе с экспертами из Циан, Lamoda, Озон, Одноклассники, Мегафон поделимся опытом развития MLOps платформ, обсудим распространенные фреймворки для управления экспериментами, подходы к выкатке моделей в продакшн, автоматизации переобучения и мониторинга качества моделей. Отдельно затронем тему работы нейросеток (для CV и не только) в продакшн.Программа митапа: «Data Science в Циан. Предпосылки для развития MLOps процессов», — Александр Алексейцев, Head of Data Science, ЦианРасскажет, какие проблемы решаем с помощью машинного обучения в Циан. Почему для нас важны хорошие MLOps процессы.«ML-платформа в Циан», — Олег Дементьев, Team Lead разработки ML-платформы, ЦианРасскажет про жизненный цикл моделей. Логирование артефактов и метрик. Автогенерацию микросервиса для каждой модели. Автоматизацию обучения и деплоя моделей и интеграцию этих процессов в ETL-пайплайны. «Как мы в Lamoda поднимали MLOps стек», — Роман Тезиков, Senior Data Scientists (CV), LamodaРасскажет про жизненный цикл моделей CV в Lamoda. С помощью каких инструментов мы обеспечиваем воспроизводимость и безопасность. Как проводим эксперименты, логгируем и отбираем лучшие модели.«Оптимизация процессов разработки и эксплуатации моделей Data Science подразделения с помощью MLOps», — Максим Кожевников, Head of Data Science, МегафонРасскажет про собственный MLOps фреймворк, который разработали для улучшения процессов разработки ML-моделей в команде Мегафон, состоящей из нескольких десятков Data Scientist.«Машинное обучение в продакшене — это просто?»,— Михаил Марюфич, Старший инженер по машинному обучению, ОдноклассникиРасскажет, насколько просто может быть устроен процесс работы машинного обучения в продакшене, и почему это не работает, когда у вас сотни моделей и ответственность перед миллионами пользователей.«Такой разный озон: пять фактов о газе, который может...», — Глеб Крапивин, ML Platform Lead, ОзонРасскажет о собственном DSL для запуска задач на разных кластерах, сервисах для трекинга метрик и версионирования артефактов машинного обучения и о том, как это помогает математикам тестировать свой код.Когда: 1 июля 17:00Где: офлайн и онлайн. Для участия зарегистрируйтесь по ссылке. Кому будет интересно: MLOps для обмена опытом.TeamLeads ML-команд. Вы узнаете, какие роли могут быть в команде, и как их грамотно распределить. =========== Источник: habr.com =========== Похожие новости:
Блог компании Циан ), #_mashinnoe_obuchenie ( Машинное обучение ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 20-Май 22:39
Часовой пояс: UTC + 5