Overview

Class Central Tips

Модель машинного обучения, обученная с высокой точностью — это хорошо, но не достаточно. Чтобы полностью раскрыть ее потенциал и начать решать с ее помощью реальные задачи, необходимо провести дополнительную работу по запуску модели в виде какого-то сервиса. В эту работу входит проектирование системы обработки данных, создание инфраструктуры для этой системы, оптимизация работы модели и последующий анализ работы полученного сервиса.

В этом онлайн-курсе НИУ ВШЭ мы рассмотрим наиболее важные аспекты построения систем машинного обучения и познакомимся с популярными инструментами, которые могут облегчить нам эту задачу.

Syllabus

Развертывание ML-моделей

Когда модель машинного обучения можно запустить в Jupyter Notebook - это хорошо. Однако чтобы она начала решать какую-то задачу из реального мира, необходимо научиться разворачивать эту модель на полноценных вычислительных кластерах. В этой неделе мы познакомимся с классическими архитектурными подходами при построении таких систем и узнаем про популярные инструменты в этой области.

Анализ системы и продуктовая аналитика

На этой неделе мы попробуем себя в роли продуктового аналитика и разберем, как с помощью метрик контролировать и улучшать свой сервис.

Полный цикл разработки ML-сервиса

Этот модуль посвящен вопросам введения моделей в эксплуатацию с минимальными рисками отказа и недоступности сервиса и практикам MLOps. Рассматриваются требования к процессу ввода в эксплуатацию, основные определения, этапы, необходимый инструментарий. Практические работы посвещены процессу ввода моделей в эксплуатацию с помощью MLflow и отработке сценариев введения в эксплуатацию и работы с отказами сервиса.

Оптимизация моделей, исполнение на клиенте

Сегодня обучают просто огромные нейросети для решения задач, но чтобы это внедрить в промышленную эксплуатацию, приходится придумывать трюки для ускорения этих монстров. Задача стоит еще более остро, когда сеть должна выполняться на мобильном устройстве. Этим проблемам будет посвящена эта неделя.

Поиск приближенного ответа

На этой неделе мы разберем популярную задачу поиска приближенного ответа на запрос пользователя, будь то картинка, текстовый запрос или история прослушиваний музыкальных треков.