ML Space как единый инструмент разработки в Data Science

Владислав Синеглазов

Архитектор клиентских решений, Cloud

Во многих компаниях ML Space уже успел стать стандартом работы для Data Science команд. На вебинаре архитектор клиентских решений платформы Владислав Синеглазов расскажет, почему ML Space - это швейцарский нож в мире машинного обучения. У участников события будет шанс: - вместе с экспертом пройти полный путь от загрузки данных на платформу до вывода модели в production; - узнать, что помогает сделать обучение моделей более прозрачным; - увидеть, как платформа ML Space ускоряет время разработки внутри команды Data Science; - разобрать практический кейс применения ML-решения. Вебинар будет полезен не только дата-сайентистам и дата-инженерам, но и всем, кто находится в поиске удобных инструментов ML-разработки для своей компании. 0:00 — Вступление 1:12 — Требования к инструментам для создания и обучения моделей 8:21 — Сущность Workspace и функциональные возможности платформы ML Space 14:55 — Модуль Data Catalog: работа с данными на платформе ML Space 26:58 — Модуль Environments: создание окружения и получение ресурсов 33:03 — Обучение моделей и мониторинг процесса обучения (инструменты TensorBoard и MLFlow) 43:08 — Модуль Deployments: вывод модели в production-среду и настройка доступов к модели. Примеры развернутых деплоев и тестирование образов 53:34 — Кейс использования модели ruCLIP для решения бизнес-задачи 1:00:55 — AI Marketplace: готовые сервисы и модели машинного обучения 1:06:54 — Модуль AutoML: обучение моделей на основе входных данных 1:11:43 — Модуль Pipelines: автоматизация совокупности процессов 1:12:43 — Резюме 1:15:10 — Ответы на вопросы