Анатолій Шара ділиться враженнями від курсу «Machine Learning in Production» і виділяє key takeaways. А ще — розповідає про випускну роботу — створення рекомендаційної системи для онлайн-книгарні. Вас чекає занурення в деталі її реалізації, побудованої не на стандартних підходах, а також шлях від ідеї до готового до розгортання сервісу.
DevOps Engineer Данило розглядає витрати на аналітику даних за допомогою штучного інтелекту на Google Cloud Platform. Він аналізує ціни Vertex AI, BigQuery, Looker, та інших інструментів для оптимізації витрат і покращення ефективності.
Коли справа стосується Machine Learning, точність результатів моделі повинна максимально задовольняти очікування користувачів і дозволяти бізнесу здобувати вигоду. Щоб це сталося, observability має бути на висоті. Команда Operational Intelligence з EPAM Systems ділиться лайфхаками для ефективного моніторингу ML-моделей, підводними каменями, які часто зустрічають MLOps-інженери та (не)найкращими практиками для моніторингу моделей у продакшн-середовищі.
Коментарі