0 added
0 removed
Original
2026-01-01
Modified
2026-03-10
1
<ul><li><a>Запись открытого урока онлайн-курса "MLOps"</a><ul><li><a>Смотреть записи других открытых уроков:</a></li>
1
<ul><li><a>Запись открытого урока онлайн-курса "MLOps"</a><ul><li><a>Смотреть записи других открытых уроков:</a></li>
2
</ul></li>
2
</ul></li>
3
</ul><h2>Запись открытого урока онлайн-курса<a>"MLOps"</a></h2>
3
</ul><h2>Запись открытого урока онлайн-курса<a>"MLOps"</a></h2>
4
<p>Написать большое количество ML пайплайнов и<a>скриптов</a>- это еще полдела. Как это менеджерить? Как запускать с максимальным удобством?!</p>
4
<p>Написать большое количество ML пайплайнов и<a>скриптов</a>- это еще полдела. Как это менеджерить? Как запускать с максимальным удобством?!</p>
5
<p>AifFlow легко решает эту проблему. Причем по ходу дела визуализирует шаги пайплайнов и дает возможность запускать их без использования кода и автоматизировано по расписанию.</p>
5
<p>AifFlow легко решает эту проблему. Причем по ходу дела визуализирует шаги пайплайнов и дает возможность запускать их без использования кода и автоматизировано по расписанию.</p>
6
<p><strong>Спикер:<strong>Александр Миленькин</strong></strong></p>
6
<p><strong>Спикер:<strong>Александр Миленькин</strong></strong></p>
7
<p>Старший менеджер по работе с большими данными в X5 Retail Group. Около 6 лет в IT. Выпускник МФТИ</p>
7
<p>Старший менеджер по работе с большими данными в X5 Retail Group. Около 6 лет в IT. Выпускник МФТИ</p>
8
<h3>Смотреть записи других открытых уроков:</h3>
8
<h3>Смотреть записи других открытых уроков:</h3>
9
<p><strong><a>Мониторинг моделей машинного обучения в MLFlow</a></strong></p>
9
<p><strong><a>Мониторинг моделей машинного обучения в MLFlow</a></strong></p>
10
<p>Разработать одну ML модель и провести ее валидацию - уже давно не проблема. Но как экспериментировать сразу с сотнями моделей и с разными параметрами и при этом не захлебнуться в разнообразии экспериментов? Как не потерять этот опыт и легко воспроизводить эксперименты годовой давности? Ответ простой. Можно использовать MLFlow для того, чтобы легко выбирать лучшие модели среди всех экспериментов и при этом легко сравнивать эти модели, и всегда иметь понятное описание эксперимента.<a><strong>Смотреть запись</strong></a></p>
10
<p>Разработать одну ML модель и провести ее валидацию - уже давно не проблема. Но как экспериментировать сразу с сотнями моделей и с разными параметрами и при этом не захлебнуться в разнообразии экспериментов? Как не потерять этот опыт и легко воспроизводить эксперименты годовой давности? Ответ простой. Можно использовать MLFlow для того, чтобы легко выбирать лучшие модели среди всех экспериментов и при этом легко сравнивать эти модели, и всегда иметь понятное описание эксперимента.<a><strong>Смотреть запись</strong></a></p>
11
11