MLOps в теории и на практике

Недавно вышел первый эпизод совместного подкаста Тинькофф Образования и Высшей Школы Экономики. Он был посвящен теме MLOps. Сейчас темы AI/ML у всех на слуху: все пытаются использовать LLM для оптимизации существующих процессов, кто-то старается придумать прорывные идеи, а кто-то боится этих изменений. В университетах сейчас есть большое количество курсов по обучению data science и machine learning, но в реальных компаниях зачастую надо не просто создать хорошую модель, но и сделать кучу других приседаний, которые можно назвать MLOps. Если описывать суть, то нужна четкая связь между Data engineering, App engineering и, собственно, ML engineering. Причем выстроенные процессы работы с данными нам нужны как пререквизиты для эффективной работы над ML-моделями, а App engineering нужен, чтобы обученные модели хорошо работали в продакшене и обслуживали запросы.

В обсуждении участвовали

• Дмитрий Ушанов, технический директор ML платформы
• Евгений Соколов — академический руководитель ПМИ ФКН ВШЭ
• и я

Кстати, узнавать про новые выпуски эпизодов этого подкаста и о других образовательных новостях Tinkoff можно в telegram канале "Тинькофф Образование" (@tinkoff_fintech).

P.S. Я уже разбирал в двух постах в этом канале (1 и 2) тот простенький whitepaper об MLOps от Google, который мы использовали в качестве каркаса обсуждения на подкасте.

#ML #Devops #Data #AI #Software #Architecture #Processes