Курс «Проектирование ML-системы»
Уровень подготовки
Для прохождения курса потребуются знания основных этапов жизненного цикла ML
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
Подготовите архитектурный документ: схему системы, SLO, оценку нагрузки, риски и компромиссы
Кому подойдет курс
ML-инженерам и дата-сайентистам
Научатся собирать обучение, ranking, serving, evaluation и feedback в целостную систему
Архитекторам и бэкенд-инженерам
Разберут интерфейсы, нагрузку, latency budget, отказоустойчивость и деградацию зависимостей
Техническим и продуктовым руководителям
Смогут формализовать цели, guardrails, SLO и ключевые архитектурные компромиссы
Что вы узнаете на курсе
Как перевести задачу в требования к системе
Определите ML-цели, продуктовые ограничения и ограничения безопасности, guardrail metrics, нагрузку и SLO
Как спроектировать данные и обучение
Опишете события, метки, признаки, требования к свежести, offline training pipeline и контроль качества данных
Как построить candidate generation и ranking
Спроектируете online serving path, feature retrieval, ранжирование, модерацию и fallback при сбоях
Как учесть эксплуатацию и обратную связь
Разложите бюджет задержки, оцените нагрузку и учтете cold start, feedback loops, онлайн-эксперименты и мониторинг
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
