Разработка и внедрение ML-решений
6-дневный курс охватывает полный жизненный цикл ML-проекта, фокусируясь на инструментах, практиках и инфраструктуре (MLOps), необходимых для создания надежных, воспроизводимых и масштабируемых ML-решений.
| Код курса | Даты начала курса | Стоимость обучения | Длительность обучения | Формат обучения |
|---|---|---|---|---|
| MLOPS | 29 сентября 2025 08 декабря 2025 |
54 000 руб. | 24 ак.часов | Дистанционный |
О продукте
Благодаря стремительному развитию машинного обучения, MLOps-инженеры сегодня – одни из самых востребованных и высокооплачиваемых специалистов в области Data Science.
MLOps – это культура и набор практик комплексного и автоматизированного управления жизненным циклом систем машинного обучения, объединяющие их разработку (Development) и операции эксплуатационного сопровождения (Operations), в т.ч. интеграцию, тестирование, выпуск, развертывание и управление инфраструктурой.
MLOps расширяет методологию CRISP-DM с помощью Agile-подхода и технических инструментов автоматизированного выполнения операций с данными, ML-моделями, кодом и окружением. К таким средствам относятся рассматриваемые в нашем курсе Git, MlFlow, DVC. MLOps позволит избежать распространенных ошибок и проблем, с которыми сталкиваются Data Scientist’ы, работающие по классическим фазам CRISP-DM. Организационные приемы MLOps должны быть независимыми от языка, фреймворка, платформы и инфраструктуры.
MLOps поможет улучшить следующие аспекты ML-проектов:
- унифицировать цикл выпуска моделей машинного обучения и созданных на их основе программных продуктов;
- автоматизировать тестирование артефактов Machine Learning, таких как проверка данных, тестирование самой ML-модели и ее интеграции в production-решение;
- внедрить гибкие принципы в проекты машинного обучения; поддерживать модели машинного обучения и наборы данных для их в системах CI/CD/CT;
- сократить технический долг по ML-моделям.
Аудитория
- Python-разработчики,
- Data Scientists,
- ML-инженеры,
- дата-аналитики,
- менеджеры AI-продуктов
- руководители (тимлиды) ML-команд.
Уровень подготовки
- Опыт программирования на Python
- Основы анализа данных
О курсе
Курс “MLOps: Разработка и внедрение ML-решений” предназначен для специалистов, стремящихся освоить полный цикл создания машинного обучения — от сбора данных до интеграции ML-модели в эксплуатацию. Подготовит специалистов (Data Scientists, ML-инженеров, DevOps-инженеров) к эффективной разработке, развертыванию, управлению и мониторингу машинного обучения в промышленной среде.
Продолжительность курса: 24 академических часа, 6 дней
Программа курса “MLOps: Разработка и внедрение ML-решений”
1. Жизненный цикл разработки ML-модели
Теоретическая часть: Основные этапы жизненного цикла ML-модели: постановка задачи, подготовка данных, выбор модели, обучение и оценка. Ключевые типы задач (классификация и регрессия), метрик качества, а также архитектура ML-сервисов.
Практическая часть: Разворачивание среды разработки, используя шаблон проекта. Реализация задачи классификации и регрессии на примере предсказания стоимости автомобиля.
2. Управление кодом, данными и признаками
Теоретическая часть: Подходы к командной разработке ML-решений: работа с Git, линтерами, code review. Знакомство с DVC для версионирования данных и Feature Store (Feast) как хранилищем признаков. Разбор лучших практик организации и воспроизводимости экспериментов.
Практическая часть: Практика использования Git и DVC в ML-проекте (в качестве удаленного хранилища данных – S3). Освоение Feast для хранения и запроса фичей.
3. Управление экспериментами и артефактами
Теоретическая часть: Инструменты логирования и визуализации экспериментов. MLFlow и ClearML как платформы для управления метриками, параметрами, моделями и артефактами. Хранение моделей и данных на внешних хранилищах (например, S3).
Практическая часть: Настройка и использование MLFlow и ClearML. Сохранение параметров и метрик, экспериментов, сохранение моделей и других артефактов. Интеграция с S3-хранилищем.
4. Развёртывание моделей и CI/CD
Теоретическая часть: Подходы к CI/CD в ML-проектах. Обсуждение юнит-тестирование, автоматизацию обучения и развёртывания. Варианты серверов для инференса: Triton Inference Server.
Практическая часть: Создание сценария инференса моделей.
5. Оркестрация ML-пайплайнов с Apache Airflow
Теоретическая часть: Архитектура и возможности Apache Airflow. Роль оркестрации в ML: планирование, зависимость задач, мониторинг процессов.
Практическая часть: Создание DAG-и в Airflow. Организация пайплайна обработки данных и инференса модели.
6. Мониторинг моделей и визуализация
Теоретическая часть: Мониторинг моделей и данных в проде. Подходы к отслеживанию дрифта, качества и стабильности работы моделей. Знакомство с инструментами Superset и Evidently.
Практическая часть: Создание дэшбордов в Superset. Настройка мониторинга модели через Evidently: отслеживание дрифта и метрики.
Укажите e-mail, на который будет оправлена ссылка для скачивания файла:
Чему Вы научитесь
-
Понимать и применять этапы жизненного цикла ML-проекта
-
Организовывать код, данные и эксперименты для воспроизводимости
-
Эффективно управлять версиями данных, моделей и признаков
-
Настраивать и использовать системы трекинга экспериментов
-
Строить и развертывать ML-пайплайны с использованием оркестраторов
-
Внедрять практики CI/CD для ML-моделей
-
Настраивать мониторинг моделей и данных в продакшене
-
Работать с ключевыми инструментами MLOps (DVC, MLFlow, Airflow, Feast, Evidently, Superset, Triton)
Что Вы получите
Окончив курс “Разработка и внедрение ML-решений” и успешно пройдя итоговую аттестацию в нашем лицензированном учебном центре «Школа Больших Данных», вы получите удостоверение о повышении квалификации установленного образца.
Кто проводит курс
Профессиональные компетенции:
- Ведущий Data Scientist в ФГУП “Центр информационных технологий”, Москва
- Руководитель программ в Университете искусственного интеллекта, Москва.
- Кандидат наук (2017 год, Московский государственный университет им. М.В. Ломоносова, Москва)
Чтобы записаться на курс MLOPS: Разработка и внедрение ML-решений позвоните нам по телефону +7 (495) 414-11-21 или заполните форму регистрации ниже.