Онлайн

MLOps

Name: MLOps
Price: 121000 RUB
Availability: InStock
Author: Сергей Кукушкин

Курс MLOps от OTUS учит внедрять модели машинного обучения в рабочую среду: от настройки инфраструктуры и CI/CD до развертывания в Kubernetes и мониторинга. Программа рассчитана на специалистов по Data Science, ML-инженеров, инженеров данных, аналитиков и Software-инженеров, желающих освоить практики управления жизненным циклом ML-моделей. В итоге слушатели получают готовый выпускной проект и навыки работы с инструментами MLOps.

Срок: 5 месяцев
Формат: Онлайн

Чему вы научитесь

Организовывать хранение исходного кода и данные
Настраивать CI/CD для ML-проектов
Регулярно обновлять данные и переобучать модели
Управлять инфраструктурой в облачных провайдерах
Упаковывать модели машинного обучения в микросервисы
Разворачивать модели в Kubernetes
Настраивать мониторинг и алертинг
Проводить валидацию и интерпретацию моделей
Использовать инструменты MLOps: MLflow, Airflow, Docker, Kafka и другие

Программа курса

8 модулей

1Процессы
- Вводное занятие
- Цели и метрики ML проектов
- Организация исходного кода
- Взаимодействие с командой
- Практика. Формирование процессов команды
2Инфраструктура
- Базовые блоки инфраструктуры
- Облачные провайдеры
- Собственная инфраструктура
- Изменение кода и CI/CD
- Биллинг и Identity and Access Management
- Terraform
- Практика. Настройка облачной инфраструктуры
3Подготовка данных
- Выбор хранилища. HDFS/S3/DataBase/etc
- Сбор данных на потоке. Kafka
- Сбор данных по расписанию. AirFlow
- Валидация данных
- Обнаружение сдвигов в данных
- Подготовка и обогащение данных
- Извлечение признаков
- Версионирование данных. DVC
- Использование Feature Store: Feast
- Практика. Конвейер подготовки данных
4Моделирование
- Воспроизводимость и версионирование. MLFlow
- Перенос ML алгоритмов в распределенную среду
- Популярные фреймворки в распределенной среде
- Подбор гиперпараметров и AutoML
- Практика. Регулярное переобучение
5Валидация
- Стратегии валидации моделей
- Анализ моделей
- Интерпретируемость
- A/B-тестирование
- Практика. Автоматическая валидация
6Развертывание
- Пакетный режим работы
- Асинхронный потоковый режим
- Модель как сервис
- Подготовка артефактов
- Развертывание в k8s
- Обновление моделей
7Мониторинг
- Инструменты и метрики. Prometheus
- Поиск отклонений и сдвигов в данных / MLOps в k8s
- Построение обратной петли
- Алертинг
8Проектная работа
- Выбор темы и организация проектной работы
- Консультация по проектам и домашним заданиям
- Защита проектных работ

Преподаватели: Игорь Стурейко, Николай Осипов, Роман Козлов, Александр Андреянков, Илья Ящук, Дмитрий Колесников

Кому подойдёт курс

Специалисты по Data Science

Научатся разворачивать модели в рабочей среде.

Инженеры по машинному обучению

Смогут унифицировать управление несколькими моделями.

Инженеры данных

Освоят валидацию, обучение, вывод моделей в прод и мониторинг.

Аналитики данных

Смогут запустить свои модели в онлайне.

Software-инженеры

Поймут, что нужно делать при внедрении машинного обучения в продукт.

Подготовка: Опыт разработки и построения веб-сервисов на Python, опыт использования Python для задач машинного обучения, знание Linux и Git.

Как проходит обучение

Формат: онлайн
Расписание: Вебинары 2 раза в неделю по 2 ак. часа, Пн/Ср 20:00 Мск
Срок: 5 месяцев
Практика: Практические вебинары, где 80% времени отводится решению задач; домашние задания с обратной связью; выпускной проект.

Бонусы: Скидка 10% при выборе программы до 25 октября; Размещение резюме в базе OTUS для приглашения на интервью партнёрами; Рекомендательное письмо от преподавателя OTUS при проявлении себя на занятиях

Стоимость обучения

Для частных лиц 121 000 ₽

Сравнение с рубрикой «IT и программирование» (1504 курсов с ценой): медиана — 44 000 ₽, большинство программ — от 5 000 ₽ до 148 400 ₽. Этот курс дороже медианы в 2,8 раза.

5 000 ₽148 400 ₽

Смотреть курсы рубрики подешевле →

Плюсы и минусы

Оценка редакции Курсографа по фактам со страницы курса.

Сильные стороны

Практические вебинары с 80% времени на решение задач
Обратная связь от преподавателей по домашним заданиям
Доступ к записям вебинаров и материалам остаётся навсегда
Выпускной проект, который можно добавить в портфолио

На что обратить внимание

Требуется опыт разработки на Python и знания Linux, Git
Обучение только в онлайн-формате
Стоимость не указана на странице

Отзывы о школе OTUS

О школе пока нет отзывов на Курсографе.

Учились здесь? Оставьте отзыв

Частые вопросы о курсе

Какие требования к подготовке?

Нужен опыт разработки веб-сервисов на Python, опыт использования Python для машинного обучения, знание Linux и Git.

Сколько длится курс?

Обучение рассчитано на 5 месяцев.

В каком формате проходят занятия?

Онлайн-вебинары 2 раза в неделю по 2 академических часа, по понедельникам и средам в 20:00 Мск. Записи доступны в личном кабинете.

Что входит в программу?

Модули: Процессы, Инфраструктура, Подготовка данных, Моделирование, Валидация, Развертывание, Мониторинг и Проектная работа.

Будет ли выпускной проект?

Да, заключительный месяц посвящён проектной работе, включая выбор темы, консультации и защиту.