MLOps становится все популярным направлением, но не все знают с чего можно начать. В этой статье мы собрали 10 источников для изучения MLOps.
1. Machine Learning Engineering от Андрея Буркова
Книга “Machine Learning Engineering” покрывает основы применения машинного обучения. Вместо того чтобы фокусироваться на каком-либо инструменте, автор рассматривает искусство и наука построения и развертывания конечных моделей. В это книге он подчеркивает наиболее встречаемые сложности, которые встречают перед собой Data Scientist’ы, при деплое моделей.
Андрей Бурков придерживается принципа: “Сначала прочитай — затем купи”. Поэтому на его странице вы можете скачать PDF-версию его книги, а если она вам понравилась, потом ее заказать.
2. ML in Production
Самые интересные ресурсы и материалы по MLOps могут быть найдены невзначай, например, через новостные рассылки или блоги. Таким примером является ML in Production от Луиги Патруно. Автор регулярно делится контентом по основам развертывания и поддержания моделей, а также последними новостями.
3. MLOps Community
Изучение чего-либо лучше дается к кем-либо. В мире MLOps существует специальное сообщество mlops.community, к которому вы можете присоединиться и узнать много нового от лучших в своей сфере. К вашим услугам: блоги, видео, митапы, чаты.
4. Awesome production machine learning
Это репозиторий на GitHub для тех, кто изучить пакеты, библиотеки, передовые инструменты. Этот огромный список предназначен, чтобы помочь вам строить, разворачивать, отслеживать, версионировать, масштабировать ваши ML-системы.
У них, кстати, тоже есть новостная рассылка под названием Machine Learning Engineer.
5. Made With ML
Этот открытый курс посвящен построению систем машинного обучения. Его попробовали уже более 30,000 людей.
Уроки от автора покрывают основы развертывания, тестирования и отслеживания моделей. В этом курсе он предлагает сделать домашние задания, а также снабжает информацией о лучших практиках MLOps.
6. Туториал по MLOps от DVC
DVC (Data Version Control) — это система контроля версий, но предназначенная для ML-проектов, т.е. для версионирования данных и моделей.
Так вот команда DVC представила короткие туториалы в YouTube, где они дают введение в MLOps. У них есть как теория, так и практика того, как управлять версиями данных с помощью DVC.
7. ml-ops.org
ml-ops.org — это наиболее всеобъемлющий ресурс по MLOps. Он содержит различные статьи о лучших практиках. К тому же, этот ресурс предоставляет руководства, фреймворки, нормы поведения и даже стандарты MLOps.
8. MLOps от AIEngineering
AIEngineering — это канал в YouTube по машинному обучению, у которого есть отдельный плэйлист по MLOps. Для тех, кто предпочитает видеоряд чтению.
9. TFX от TensorFlow
TensorFlow Extended (TFX) — это платформа для развертывания моделей машинного обучения. Она содержит различные пакеты для валидации данных, преобразований, анализа моделей и проч. в экосистеме TensorFlow.
Так вот в YouTube есть специальный плэйлист от разработчиков TFX, где как раз рассказывается о этом инструменте. Поэтому если вы работаете c TensorFlow, то обязательно ознакомьтесь.
10. Наш курс “Разработка и внедрение ML-решений”
Разработка и внедрение ML-решений
Код курса
MLOPS
Ближайшая дата курса
1 июля, 2024
Продолжительность
24 ак.часов
Стоимость обучения
54 000 руб.
Также мы предлагаем вам пройти наш русскоязычный курс по MLOps с живыми преподавателями. На этом курсе вы познакомитесь с такими инструментами, как MLFlow, DVC, и в конечном итоге научитесь внедрять свои модели в production. Все это вы узнаете на специализированном курсе «Разработка и внедрение ML-решений» в лицензированном учебном центре обучения и повышения квалификации разработчиков, менеджеров, архитекторов, инженеров, администраторов, Data Scientist’ов и аналитиков Big Data в Москве.
