Курс Model Monitoring
Уровень подготовки
Для прохождения курса потребуется понимание жизненного цикла ML-модели в продакшене
Бесплатный доступ
Полный комплект учебных материалов курса без скрытых платежей и ограничений
Удобный график
К курсам можно приступить в любой момент и проходить в комфортном для себя темпе
Практический результат
Сможете подготовить monitoring plan, набор алертов и runbook для типовых инцидентов
Кому подойдет курс
ML-инженерам
Научатся связывать метрики сервиса, данных и модели и отличать drift от деградации качества
SRE и platform-инженерам
Смогут проектировать dashboards, алерты, ownership и диагностику продакшен-инцидентов
Дата-сайентистам и аналитикам
Разберутся в delayed labels, proxy metrics, анализе срезов и критериях переобучения
Что вы узнаете на курсе
Что нужно мониторить в ML-системе
Разделите метрики сервиса, качества и схемы данных, признаков, распределения предсказаний и качества модели
Чем drift отличается от деградации
Поймете различия data drift и concept drift и почему изменение распределения не доказывает падение качества
Как оценивать качество при задержанных метках
Выберете proxy metrics, контрольные выборки и периодический расчет метрик после получения эталонных меток
Как настроить алерты и реагирование
Зададите thresholds, ownership и runbook, разберете shadow и canary как способы проверки новой версии
Как проходит обучение
Курс доступен сразу после регистрации на платформе LMS. Все уроки и прогресс обучения отражаются в личном кабинете
Автор курса
Линейка из 11 курсов о проектировании и разработке ML систем, которые помогут освоить методы создания эффективных и масштабируемых решений в облаке
