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

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 Создайте свои продукты на основе AI и ML с платформой для машинного обучения полного цикла ML Space: Подписывайтесь на наш Телеграм: