Проектирование и реализация систем машинного обучения
Higher School of Economics via Coursera
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 курсе мы рассмотрим наиболее важные аспекты построения систем машинного обучения и познакомимся с популярными инструментами, которые могут облегчить нам эту задачу.
В этом курсе 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.
Taught by
Andrei Zimovnov
Never Stop Learning!
