MLOps для разработки и мониторинга моделей
- Деплой модели на FastAPI в Yandex Cloud. Научитесь деплоить ML‑модель в облаке, используя FastAPI
- Введение в MLOps. Попрактикуетесь в решении кейсов на оценку зрелости проекта и выбор MLOps‑архитектуры
- Dev‑практики для ML‑модели. Настроите локальное окружение с необходимыми инструментами для разработки на Python
- Настройка окружения и знакомство с Yandex Cloud. Настроите облачное окружение с необходимыми инструментами в Yandex Cloud
- Отслеживание экспериментов, управление ML‑моделями и их хранение. Настроите жизненный цикл ML‑модели в MLflow или ClearML на выбор в 3 сценариях
- Качество и версионирование данных. Создадите модели для сырых источников и датасета с фичами на Pydantic. Выполните проверки в пайплайне ClearML, используя Great Expectations. Создадите версии датасета в ClearML
- Оркестрация и ML‑пайплайны. Построите 3 продакшн‑пайплайна при помощи ClearML или Mage
- Развёртывание ML-моделей. Задеплоите модель как REST‑API‑сервис, используя ClearML, или сделаете интерактивное приложение, используя ClearML Streamlit Launcher
- Мониторинг и обратная связь. Добавите метрики качества модели в существующий дашборд и создадите аналогичный дашборд в Superset с источниками метрик в ClickHouse
- CI/CD‑практики. Допишете пайплайн CI/CD для тестирования кода и обновления инфраструктуры в Yandex Cloud, используя Terraform
- Итоговый проект. Реализуете полный MLOps-цикл для одного из 2 кейсов на выбор. Используете все пройденные методы и инструменты MLOps: обработку и качеcтво данных, версии модели в MLflow/ClearML, пайплайны обучения и переобучения, деплой модели в соответствующем сценарии, мониторинг метрик качества и CI/CD‑процесс, который связывает все этапы в единую систему.
