Курс «Инженерия машинного обучения» посвящён полному жизненному циклу ML‑систем: от разработки модели и работы с данными до развёртывания, мониторинга и оркестрации в продакшене. Студенты знакомятся с методологией CRISP‑ML, современными инструментами разработки (Git, bash, виртуальные окружения, Docker, Docker Compose), хранилищами данных (PostgreSQL, ClickHouse, S3, Redis, брокеры сообщений, векторные движки), системами разметки и трекинга экспериментов (Label Studio, MLflow), инструментами деплоя (FastAPI, Nvidia Triton), мониторингом (Prometheus, Grafana, Evidently) и оркестрацией (Airflow, Kubernetes, Kubeflow). Особое внимание уделено проектно‑ориентированному подходу: в рамках домашних заданий и итогового проекта студенты строят воспроизводимый ML‑сервис, проходящий через разработку, деплой, мониторинг и автоматизацию.
Программа дисциплины
Аннотация