Deep dive в ML Space. Пайплайн работы c данными и артефактами

На данном вебинаре с экспертами ML Space вы узнаете про весь цикл работы с данными и ML-артефактами на платформе через UI и API. Иван Тараскин и Вера Шибаева демонстрируют все этапы, предшествующие обучению моделей: от миграции данных из внешних источников до подготовки докеров, а заодно и показывают, как можно минимизировать ручной труд. Отдельное внимание уделено автоматизации полного цикла процесса ML-разработки за счет модуля Pipelines. В качестве бонуса тиммейты платформы знакомят с работой AutoML — модуля для построения ML-моделей без кода. 00:00 — Вступление, о платформе ML Space и ее особенностях 02:51 — День из жизни дата-сайентиста с GPU и без. Что есть в экосистеме ML Space? 05:35 — Гибкость и преимущества платформы «в бою» на примерах рыночных кейсов 09:01 — Знакомство с интерфейсом: workspace, модули платформы. 12:07 — Три способа загрузки данных в Data Catalog. 17:04 — Два способа работы с данными — Environments и AutoML. Пример построения предсказательной модели курса криптовалют традиционным способом и в AutoML. 23:28 — Совместная работа с образами, датасетами и моделями в Artifact registry 28:08 — Работа с Pipelines: автоматизация импорта данных, обучения, сбора и запуска образа для деплоя 37:43 — Демонстрация результата обучения моделей в AutoML. Batch prediction. 41:03 — Ответы на вопросы Создайте свои продукты на основе AI и ML с платформой для машинного обучения полного цикла ML Space! Подписывайтесь на наш Телеграм: