Production Machine Learning в Delivery Club

Инженерные практики, сложности применения

Доклад отклонён

Тезисы

В Delivery Club есть много задач, которые успешно решаются при помощи алгоритмов машинного обучения (например, планирование количества курьеров, которых мы выводим на смены). Эти алгоритмы используются в offline-режиме.

Однако, есть целый класс задач, для которых требуется наличие в production-инфраструктуре сервисов, способных отдавать предсказания ML-моделей в режиме online.

Мы расскажем, как создавали в Delivery Club первые сервисы, использующие под капотом ML-модели, как мы обеспечиваем безопасность деплоя таких сервисов и как оцениваем качество их работы.

Обсудим следующие темы:
1. особенности ML-сервисов в сравнении с обычными микросервисами;
2. построение инфраструктуры для обучения ML-моделей в production;
3. особенности деплоя и тестирования ML-приложений;
4. как организовать процесс совместной работы Data Science и ML-инженеров.

Руководитель группы ML Operations в Delivery Club

Сейчас отвечает за развитие направления ML Operations и занимается разработкой Data Lake в Delivery Club. До этого работал в финансах и трейдинге. Обожает автоматизацию, документацию и систематизацию.

Видео