Курс MLOps

Тема 1. Введение в MLOps

• Что такое MLOps и зачем он нужен.
• Определение интеллектуальных информационных систем.
• Особенности ИИС.
• Жизненный цикл программного обеспечения.
• Неприменимость классических моделей жизненного цикла к ИИС.
• Методология MLOps.
• Принципы DevOps и Data Science в MLOps.
• Контроль версий и автоматизированные сборочные процессы.

Тема 2. Инфраструктура для автоматизации процесса разработки, обучения и развертывания моделей машинного обучения

• Как создать инфраструктуру для MLOps.
• Настройка среды разработки и обучения моделей.
• Настройка инструментов для автоматического развертывания моделей.
• Встраивание моделей машинного обучения в информационные продукты.
• Инфраструктура ИИС.
• Зависимость от внешней среды.
• Взаимосвязь разработки в ноутбуках и продуктовом окружении.

Тема 3. Непрерывная интеграция и доставка в MLOps

• Классический конвейер CI/CD.
• Особенности ИИС.
• Основные риски.
• Этапизация проекта по разработке и внедрению ИИС.
• Инструментальные средства непрерывной доставки и интеграции ИИС.
• Особенности версионирования ИИС.
• Совместное версионирование моделей и данных.
• Адаптация существующих инструментальных средств.
• Специализированные инструментальные средства версионирования ИИС.

Тема 4. Мониторинг производительности моделей и оптимизация

• Необходимость мониторинга моделей машинного обучения.
• Деградация качества моделей машинного обучения.
• Форматно-логический контроль данных.
• Мониторинг качества данных.
• Обучение на потоковых данных.
• Онлайн-обучение.
• Особенности разработки и внедрения систем онлайн-обучения.

Тема 5. Тестирование моделей машинного обучения

• Основы тестирования моделей машинного обучения.
• Требования к моделям машинного обучения.
• Функциональные и нефункциональные требования к интеллектуальным информационным системам.
• Средства тестирования моделей машинного обучения.