Модель машинного обучения, обученная с высокой точностью — это хорошо, но не достаточно. Чтобы полностью раскрыть ее потенциал и начать решать с ее помощью реальные задачи, необходимо провести дополнительную работу по запуску модели в виде какого-то сервиса. В эту работу входит проектирование системы обработки данных, создание инфраструктуры для этой системы, оптимизация работы модели и последующий анализ работы полученного сервиса.
This course is part of the Промышленное машинное обучение Specialization
Offered By
About this Course
Основы программирования на Python и SQL,
Основы Unix,
Основы высшей математики,
Основы компьютерных сетей,
Базовые знания о машинном обучении.
What you will learn
Работа с контейнеризированными приложениями
Анализ данных работы сервиса
Оптимизация моделей машинного обучения
Быстрый поиск релевантного ответа к запросу
Skills you will gain
Основы программирования на Python и SQL,
Основы Unix,
Основы высшей математики,
Основы компьютерных сетей,
Базовые знания о машинном обучении.
Offered by

HSE University
HSE University is one of the top research universities in Russia. Established in 1992 to promote new research and teaching in economics and related disciplines, it now offers programs at all levels of university education across an extraordinary range of fields of study including business, sociology, cultural studies, philosophy, political science, international relations, law, Asian studies, media and communicamathematics, engineering, and more.
Syllabus - What you will learn from this course
Развертывание ML-моделей
Когда модель машинного обучения можно запустить в Jupyter Notebook - это хорошо. Однако чтобы она начала решать какую-то задачу из реального мира, необходимо научиться разворачивать эту модель на полноценных вычислительных кластерах. В этой неделе мы познакомимся с классическими архитектурными подходами при построении таких систем и узнаем про популярные инструменты в этой области.
Анализ системы и продуктовая аналитика
На этой неделе мы попробуем себя в роли продуктового аналитика и разберем, как с помощью метрик контролировать и улучшать свой сервис.
Полный цикл разработки ML-сервиса
Этот модуль посвящен вопросам введения моделей в эксплуатацию с минимальными рисками отказа и недоступности сервиса и практикам MLOps. Рассматриваются требования к процессу ввода в эксплуатацию, основные определения, этапы, необходимый инструментарий. Практические работы посвещены процессу ввода моделей в эксплуатацию с помощью MLflow и отработке сценариев введения в эксплуатацию и работы с отказами сервиса.
Оптимизация моделей, исполнение на клиенте
Сегодня обучают просто огромные нейросети для решения задач, но чтобы это внедрить в промышленную эксплуатацию, приходится придумывать трюки для ускорения этих монстров. Задача стоит еще более остро, когда сеть должна выполняться на мобильном устройстве. Этим проблемам будет посвящена эта неделя.
About the Промышленное машинное обучение Specialization
Программа состоит из трех курсов, позволяющих освоить методы обработки больших данных и получить представление о процессе проектирования, реализации и поддержки полноценного решения на базе интеллектуального анализа данных.

Frequently Asked Questions
When will I have access to the lectures and assignments?
What will I get if I subscribe to this Specialization?
Is financial aid available?
Will I earn university credit for completing the Course?
More questions? Visit the Learner Help Center.