Внедрение и мониторинг моделей

Основа с Middle

Пакетное и онлайн-предсказание, дрейф данных, мониторинг качества и переобучение.

Критерии освоения

Практика. Развернуть модель сервисом на FastAPI в Docker и настроить отчёт о дрейфе признаков.

Проектирует жизненный цикл модели — переобучение, A/B-проверку новой версии, откат

Практика. Описать и реализовать процесс выкатки новой версии модели через теневой режим и A/B-тест.

Что такое MLOps и как модель попадает в продакшен? Middle
MLOps — практики, чтобы модели воспроизводимо обучались, проверялись, выкатывались и наблюдались. Цикл: данные → эксперименты (с трекингом параметров и метрик) → регистрация…
Что такое дрейф данных и концепта и как его отслеживать? Middle
Data drift — меняется распределение входных признаков (пришли новые пользователи, изменился продукт). Concept drift — меняется сама зависимость «признаки → ответ» (мошенники…
Почему хорошая офлайн-метрика модели не гарантирует успех в продакшене и как проверить модель онлайн? Middle
Офлайн-метрика (ROC-AUC, RMSE) считается на исторических данных и не равна бизнес-цели: модель меняет поведение пользователей, данные могли устареть, есть утечки и…

Закрытая бета

На живом собеседовании sotto слышит вопрос интервьюера и показывает короткий ответ и план. Оставьте контакт — пришлём доступ и промокод.