От notebook'а до production'а BigData и машинное обучение
Программный комитет ещё не принял решения по этому докладу
Тезисы
Почему считается, что data scientist’ы плохо пишут код? О хороших практиках внедрения моделей машинного обучения глазами исследователя данных Kaspersky. MLOps: CI/CD, мониторинг, алертинг на живом примере. Как модель постепенно обросла вокруг себя развесистой инфраструктурой и что из этого вышло.
Что будет на выступлении:
– Пройдем весь этап эволюции модели от notebook, до production на конкретном примере. Соберем грабли и рассмотрим наши решения;
– Рассуждение на тему важности MLOps и почему это необходимо современному DS'у
Дмитрий Аникин
Kaspersky
Исследователь данных в лаборатории Касперского. Занимаюсь оптимизацией бизнес процессов внутри компании. Считаю, что за MLOps будущее!
dmitry.anikin@kaspersky.com
Telegram: @uncle_dijkstra
Telegram: @uncle_dijkstra
Другие доклады секции BigData и машинное обучение
DeepQuarantine for Suspicious Mail
Никита Бенькович
Лаборатория Касперского
Data-centric MLOps
Дмитрий Евстюхин
Provectus
Геопространственное моделирование с применением методов машинного обучения
Константин Измайлов
Delivery Club
Человек-вектор и подъем конверсии: как мы сделали шаг к Federated Learning
Артем Просветов
CleverDATA / ЛАНИТ
Нечеткое хэширование для детектирования спам-писем
Алексей Марченко
Лаборатория Касперского