Во многих компаниях ML Space уже успел стать стандартом работы для Data Science команд. На вебинаре архитектор клиентских решений платформы Владислав Синеглазов расскажет, почему ML Space - это швейцарский нож в мире машинного обучения.

У участников события будет шанс:
• вместе с экспертом пройти полный путь от загрузки данных на платформу до вывода модели в production;
• узнать, что помогает сделать обучение моделей более прозрачным;
• увидеть, как платформа ML Space ускоряет время разработки внутри команды Data Science;
• разобрать практический кейс применения ML-решения.

Вебинар будет полезен не только дата-сайентистам и дата-инженерам, но и всем, кто находится в поиске удобных инструментов ML-разработки для своей компании.

• 0:00 — Вступление
• 1:12 — Требования к инструментам для создания и обучения моделей
• 8:21 — Сущность Workspace и функциональные возможности платформы ML Space
• 14:55 — Модуль Data Catalog: работа с данными на платформе ML Space
• 26:58 — Модуль Environments: создание окружения и получение ресурсов
• 33:03 — Обучение моделей и мониторинг процесса обучения (инструменты TensorBoard и MLFlow)
• 43:08 — Модуль Deployments: вывод модели в production-среду и настройка доступов к модели. Примеры развернутых деплоев и тестирование образов
• 53:34 — Кейс использования модели ruCLIP для решения бизнес-задачи
• 1:00:55 — AI Marketplace: готовые сервисы и модели машинного обучения
• 1:06:54 — Модуль AutoML: обучение моделей на основе входных данных
• 1:11:43 — Модуль Pipelines: автоматизация совокупности процессов
• 1:12:43 — Резюме
• 1:15:10 — Ответы на вопросы