Курс:
Автоматизация пайплайнов, воспроизводимость
и MLOps
Автоматизация пайплайнов, воспроизводимость
и MLOps
(набор открыт)
c DVC, MLflow и Airflow
Прокачиваем необходимые инженерные навыки для проектов машинного обучения
8 модулей
от 20 000 руб
Практика
Стоимость полного курса с материалами и доступом в общий чат.
В течение курса вы разберете несколько примеров, "руками" прочувствуете все технологии
Онлайн
Видеоуроки
+ Документация
+ Примеры кода
+ Консультации
+ Документация
+ Примеры кода
+ Консультации
Кому подойдет этот курс
Новичкам
Курс поможет освоить инженерные навыки, необходимые для роста в Data Science & Machine Learning.
Вы научитесь тому, что требуется в реальных проектах, прокачаете технические скилы и повысите свою ценность для компании
Вы научитесь тому, что требуется в реальных проектах, прокачаете технические скилы и повысите свою ценность для компании
Data Scientists
Курс поможет прокачать инженерные навыки, в том числе для автоматизации экспериментов, автоматической генерации отчетов и документации, а также для разработки production решений
Machine Learning Engineers
Курс будет интересен, если планируете использовать DVC, MLflow, Airflow, но еще не знакомы с ними, либо нужно быстро разобраться в том, как их можно интегрировать и заставить работать вместе
По итогам курса вы сможете
Уверенно работать с GitОрганизовать работу над кодом и уверенно работать с Git
Автоматизировать пайплайныАвтоматизировать пайплайны экспериментов, подготовки данных и оценки модели с DVC
Управлять моделями и метрикамиУправлять экспериментами, метриками и жизненным циклом моделей с DVC и MLflow
Документировать экспериментыОрганизовать автоматическую генерацию отчетов по экспериментам
Настроить CI/CDНастроить процессы непрерывной интеграции и доставки с GitLab
Настроить MLOpsИспользовать Airflow для задач MLOps, настроить мониторинг работы моделей с Grafana
Выстроить работу командыРаботать в команде по принципам GitFlow и CodeReview
Выводить в ProductionРазрабатывать production решения и запускать по расписанию в batch режиме
200+
Специалистов прошли обучение
50+
Компаний доверили нам обучение сотрудников
4.8 / 5
Средняя оценка курса
Темы курса
- Организуем работу с проектом и кодом
Сделаем обзор подходов и технологий, которые помогут организовать работу над проектом, кодом и работу в команде. Настроим репозиторий, разберемся с особенностями работы с Git в ML проектах, инструментарием GitLab, трекингом задач, гипотез и изменений кода
2. Настраиваем рабочее окружение с Docker и виртуальным окружением Python
Разберемся с Docker и docker-compose. Настроим воспроизводимое окружение для ML проекта
3. Автоматизируем ML пайплайны с DVC
Разберемся с особенностями применения Data Version Control (DVC) в ML проектах для версионирования данных, артефактов и моделей. Автоматизируем пайплайн (конвейер) обучения моделей и оценки их качества.
Запуск экспериментов теперь происходит одной командой!
Запуск экспериментов теперь происходит одной командой!
4. Настраиваем управление экспериментами и метриками с DVC и MLflow
Добавим к нашему проекту MLflow! Теперь у нас появится удобный интерфейс для трекинга метрик и параметров экспериментов, сравнения экспериментов, визуализации результатов GridSearch. DVC и MLflow используются вместе для управления экспериментами и жизненным циклом моделей
5. Автоматизируем пайплайны с Airflow
Разберемся с особенностями Airflow: для чего можно использовать, как создавать пайплайны и как его можно использовать в связке с DVC и MLflow.
Также Airflow часто используются для production запуска моделей по расписанию. Это хорошее решение для запуска генерации прогнозов в batch режиме
Также Airflow часто используются для production запуска моделей по расписанию. Это хорошее решение для запуска генерации прогнозов в batch режиме
6. Настраиваем CI/CD и MLOps процессы для ML решений с DVC, Gitlab, Arflow & MLFlow
Настраиваем автоматический CI/CD процесс в Gitlab CI. Разбираем детали интеграции и дизайн MLOps процессов для ML решений с DVC, Gitlab, Arflow & MLFlow
7. Мониторинг моделей и валидация данных
Рассмотрим технологии и процессы мониторинга работы наших моделей с помощью Grafana, Prometheus и других Open Source инструментов
Отправить заявку сейчас
и уточнить детали!
Отзывы слушателей курса
Для анонимных отзывов мы составили "портрет" отзыва и пожеланий :)
Прекрасное введение в MLOps! Вся необходимая практика и теория для того, чтобы погрузиться в тематику. Отличная поддержка со стороны преподавателей - вопросов без ответа не останется.
Будем внедрять навыки)
Будем внедрять навыки)
Курс сделан с огромной самоотдачей и желанием поделиться реальными практическими навыками. Без лишних слов. 8/10
Очень понравился сам подход к подготовке и подаче материала - ответственно, вдумчиво, строго, взвешенно.
Очень понравился сам подход к подготовке и подаче материала - ответственно, вдумчиво, строго, взвешенно.
Отличный курс, который больше заточен под практику. На протяжении всех модулей разрабатывается единый работающий проект. В каждом модуле вы добавляете к своему проекту новый инструмент, таким образом вы изучаете и саму технологию и понимаете как ее использовать в процессе. На мой взгляд это дало отличное понимание всех этапов автоматизации экспериментов работы на моделью. Также в курсе представлен отличный стек технологий (dvc и airflow сейчас начали внедрять на работе, а курс помог составить хорошее по ним представление).
Один из самых ценных моментов в курсе это помощь наставника - Михаила. На протяжении всего курса всегда можно обратиться за помощью, помимо того времени, что выделено для консультаций и получить ценные советы и ответы (даже на самые глупые мои) вопросы.
Рекомендую этот курс как начинающим data\ml инженерам, так и продвинутым.
Один из самых ценных моментов в курсе это помощь наставника - Михаила. На протяжении всего курса всегда можно обратиться за помощью, помимо того времени, что выделено для консультаций и получить ценные советы и ответы (даже на самые глупые мои) вопросы.
Рекомендую этот курс как начинающим data\ml инженерам, так и продвинутым.
Очень крутой курс, проработал с новыми инструментами и сейчас внедряю из на работе. К сожалению, было недостаточно свободного времени, чтобы успевать делать все домашние вовремя.
Большое спасибо за курс, жду появления новых:)
Большое спасибо за курс, жду появления новых:)
Благодаря курсу продвинулся в практических задачах на работе. Пока они касались примерно лишь трети от всех тем, затронутых в курсе (venv, докер, Airflow), но остальное буду подробнее разбирать и внедрять на практике уже после курса, благо, все исходники и лекции остаются, а по вопросам можно обращаться в чат и лично к автору.
Один из самых полезных курсов, которые я проходил. Направление MLOps относительно новое, поэтому здорово, что есть курс, который дает возможность познакомиться с практиками интеграции различных инструментов в единый воспроизводимый пайплайн.
Обязательно будем внедрять в нашей компании.
Обязательно будем внедрять в нашей компании.
Отличный в прикладном плане курс, хорошо помогает ответить на ряд насущных вопросов по продуктивизации ML и проектов моделирования в целом. Есть обратная связь и поддержка в процессе обучения, всем советую.
Курс с очень хорошо проработанной практической частью, на примере тестового проекта шаг за шагом изучаются инструменты и все выстраивается в понятный workflow. Преподаватель оперативно ревьювит домашки и отвечает на вопросы. Удобно что есть семинар по разбору домашних работ, так как курс ориентирован на практику.
Контакты
Курсы ML REPA School это информационно-консультационные услуги, т.е. не являются образовательными услугами и не требуют наличия лицензии
Напишите нам: school@mlrepa.ru
