MLOps — новое слово для многих инженеров (и даже для DevOps-ов). Пришло время расставить все точки над i, ведь компании разрабатывают все больше AI/ML продуктов и нуждаются в экспертизе DevOps в приложении к машинному обучению.
Соответственно, в рамках этого доклада я затрону следующие темы:
- Есть ли DevOps в MLOps, или это совершенно новая и уникальная сфера?
- MLOps 101: Все, что вы должны знать для старта
- Кто такой MLOps? — Дата-сатанист? МЛ-инженер? Или кто-то еще?
- Пайплайны, везде CI/CD-пайплайны, и MLOps не исключение
- Как MLOps интегрируется в другие процессы разработки ПО?
- Какие метрики есть в ML-процессе? Как их замеряют и используют?
- Что делать с моделью после обучения? Как заставить ее работать?
Вы узнаете, что в MLOps гораздо больше DevOps, чем кажется, но, в то же время, не весь MLOps — это DevOps. MLOps сложен, но не невозможен — осталось только разобраться в деталях.