Дисциплина посвящена изучению принципов построения и эксплуатации индустриальных платформ для жизненного цикла машинного обучения (ML Lifecycle). Основное внимание уделяется переходу от локальных экспериментов в Jupyter Notebook к созданию масштабируемых, отказоустойчивых и воспроизводимых систем. Студенты узнают, как объединить Data Science с практиками DevOps для автоматизации поставки моделей в продакшн. Цель дисциплины — научить студентов проектировать архитектуру систем, которые обеспечивают эффективный сбор данных, обучение, хранение и мониторинг ML-моделей.
Программа дисциплины
Аннотация