Deep dive в ML Space: модуль Deployments как способ реализации ML-моделей. От простого к сложному.
Вебинар

На втором вебинаре из цикла "Deep Dive в ML Space" тиммейты ML Space Владимир Новоженов и Владислав Синеглазов расскажут о том, как работать c развертыванием ML-моделей на платформе.
- Вы узнаете:
- как запустить обученную модель в продакшн;
- как совершать асинхронные запросы;
- как быстро масштабировать свое решение;
- как управлять своим пулом моделей.
Вебинар будет полезен специалистам IT-подразделений корпоративного бизнеса, дата-сайентистам, DevOps-инженерам, а также менеджерам AI/ML-продуктов.
- 00:00 — Вступление
- 00:56 — Функциональные возможности платформы ML Space
- 05:47 — MLOps: процесс разработки моделей машинного обучения
- 07:56 — Виды инференса: Batch vs Real-Tine prediction
- 10:24 — Как работать в модуле Deployments платформы ML Space, первый сценарий работы по созданию API к моделям для интеграций с другими системами
- 20:12 — Модуль Deployments: второй сценарий работы по деплою любых Docker-образов
- 23:26 — Обзор карточки деплоя
- 25:56 — Модуль Deployments: третий сценарий работы по деплою любых Docker-образов с прокси API Gateway
- 29:08 — Модуль Deployments: четвертый сценарий работы по асинхронному инференсу и вычислениям
- 36:13 — Модуль Deployments: пятый сценарий работы (самый простой) — возможность забрать готовое решение из Marketplace, задеплоить в своем пространстве Cloud и применять
- 38:05 — Кому будет полезен асинхронный инференс на ML Space
- 43:25 — Чат-бот как пример реализации асинхронного инференса
- 49:16 — Ответы на вопросы
Спикеры

Владимир Новоженов
Продуктовый менеджер, SberCloud

Владислав Синеглазов
Архитектор клиентских решений, SberCloud
Новые вебинары
Подпишитесь и мы вам сообщим о новых вебинарах