Научитесь создавать надежные и эффективные ML-системы и поддерживать их стабильную работу
Зачем изучать проектирование ML-систем? Машинное обучение — это больше, чем просто модели.
Чтобы алгоритмы работали в реальном мире, нужна система, которая масштабируется, обновляется и приносит пользу бизнесу. В этом поможет ML System Design:
- Это новая дисциплина, необходимая для инженеров, аналитиков и всех, кто создает интеллектуальные продукты
- Помогает разрабатывать надежные и устойчивые ML-решения, которые работают не только в тестах, но и в продакшене
- Научит вас лучше разбираться в моделях и проектировать вокруг них полноценную систему
- На курсе вы получите целостное понимание ML System Design — от архитектуры до интеграции и поддержки
Кому подойдёт курс
- Опытным ML-инженерам. Углубите навыки: научитесь обеспечивать стабильную работу ML-систем на долгий срок и сможете претендовать на более высокие позиции
- Руководителям технических команд. Освоите дисциплины, которые помогут комплексно смотреть на проектирование систем, понимать возможности и ограничения каждого решения
- Начинающим специалистам в ML. Заложите фундамент для успешной карьеры в машинном обучении. Получите рекомендации, которые пригодятся уже в первом проекте
Чему вы научитесь
- Правильно действовать ещё в ранней стадии разработки. Научитесь выбирать метрики и функции потерь, создавать надежный пайплайн данных и комбинировать методы валидации, чтобы сразу готовить качественную версию модели
- Понимать проблемы и принимать решения в ML-проектах. Поймете, как формулировать задачи и выделять ключевые этапы, чтобы хорошо ориентироваться в проекте
- Интегрировать и масштабировать решения. Освоите разные методы интеграции ML-продукта в экосистему. Узнаете, как оптимизировать деплой, мониторить работу модели и обслуживать, чтобы она была управляемой и масштабируемой
- Обеспечивать точность системы. Улучшите навыки анализа ошибок, обучения пайплайнов, работы с фичами и тестирования модели для оценки ее производительности
Программа обучения
1 неделя. Выяснение проблемы. Исследование. Дизайн-документ
2 неделя. Функции потерь и метрики. Датасеты
3 неделя. Схемы валидаций и baseline-решения
4 неделя. Анализ ошибок
5 неделя. Пайплайны. Генерация фич и признаков
6 неделя. Репортинг и интеграция
7 неделя. Мониторинг и надежность
8 неделя. Сервинг, оптимизация инференса. Ownership
9 неделя. Разработка дизайн- документа
10 неделя. Публикация дизайн-документа
Насыщенная теория
- Пройдете 60 уроков по проектированию, обучению, развертыванию и поддержке ML-систем
- Закрепите знания на интерактивных занятиях
Практика
- Разберете два примера дизайн-документов с реальными сценариями
- Получите рекомендации, которые помогут применить знания в деле
Обмен опытом
- Обсудите истории успехов и неудач при запуске ML-продуктов
