Курс на Stepik
Обложка курса «MLOps с нуля: как довести модель до продакшна» на Stepik
13 990 ₽

MLOps с нуля: как довести модель до продакшна ★ 3.000

Открыть на
STEPIK.ORG

Соберёте продакшн ML-пайплайн: обучение и деплой модели, CI/CD, мониторинг и алерты, катбуст в проде и A/B-тест. Финальный проект — полноценный ML-сервис (API + автообновление модели). Плюс профессиональные блоки: Data & Model Versioning (DVC, MLflow), автоматизация с GitHub Actions, feature store, мониторинг деградации качества, cost-aware retraining, тестирование моделей и guardrails для продакшена. Отдельный модуль по Kubernetes и Kubeflow для масштабируемых workflow.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «MLOps с нуля: как довести модель до продакшна»Учеников на курсе 105
Сертификаты, выданные на курсе «MLOps с нуля: как довести модель до продакшна»Сертификатов выдано 4
Отзывы о курсе «MLOps с нуля: как довести модель до продакшна»Отзывов получено 2
Рейтинг курса «MLOps с нуля: как довести модель до продакшна»Рейтинг курса 3.000
Уроки в курсе «MLOps с нуля: как довести модель до продакшна»Количество уроков 40
Тесты в курсе «MLOps с нуля: как довести модель до продакшна»Количество квизов 157
Задачи с кодом в курсе «MLOps с нуля: как довести модель до продакшна»Количество задач с кодом 14
Время прохождения курса «MLOps с нуля: как довести модель до продакшна»Время прохождения курса —
Стоимость курса «MLOps с нуля: как довести модель до продакшна»Стоимость курса 13 990 ₽ —
Обновления курса «MLOps с нуля: как довести модель до продакшна»Обновления курса — —
Дата публикации курса «MLOps с нуля: как довести модель до продакшна»Дата публикации курса — ———
Последнее обновление курса «MLOps с нуля: как довести модель до продакшна»Последнее обновление — ———

Содержание курса

Разделы в курсе «MLOps с нуля: как довести модель до продакшна» 8 разделов Уроки в курсе «MLOps с нуля: как довести модель до продакшна» 40 уроков Тесты в курсе «MLOps с нуля: как довести модель до продакшна» 157 тестов Задачи в курсе «MLOps с нуля: как довести модель до продакшна» 14 задач Время прохождения курса «MLOps с нуля: как довести модель до продакшна» 5 ч. Последнее обновление курса «MLOps с нуля: как довести модель до продакшна» обн. 1 год назад

Введение в MLOps и жизненный цикл модели

5 уроков
1. Зачем нужен MLOps бизнесу ↗
2. Жизненный цикл ML-модели ↗
3. Основные роли и ответственности ↗
4. Обзор инструментов экосистемы ↗
5. Первые шаги в организации процесса ↗

Управление данными и версионирование

5 уроков
1. Качество данных и его метрики ↗
2. Каталоги данных и датасетов ↗
3. Версионирование данных ↗
4. Data Lineage и воспроизводимость ↗
5. Шаблоны хранения фичей ↗

Автоматизация обучения и экспериментов

5 уроков
1. Пайплайны обучения моделей ↗
2. Отслеживание экспериментов ↗
3. Управление гиперпараметрами ↗
4. Оптимизация затрат вычислений ↗
5. Каталог моделей ↗

CI/CD для ML-моделей

5 уроков
1. Тестирование данных и кода ↗
2. Сборка контейнеров для инференса ↗
3. Инфраструктура как код ↗
4. Автоматизация релизов моделей ↗
5. Роллбэки и стратегии деплоя ↗

Командные процессы и управление проектами MLOps

5 уроков
1. Организация ролей в ML-команде ↗
2. Качество и код-ревью в ML-проектах ↗
3. Kanban и Scrum для MLOps ↗
4. Отчетность и метрики эффективности ↗
5. Планирование развития платформы ↗

Развертывание и сервисы инференса

5 уроков
1. Батч-обработка моделей ↗
2. Онлайн-сервинг с минимальной задержкой ↗
3. Edge-развертывание ↗
4. A/B-тестирование моделей ↗
5. Управление версиями API ↗

Мониторинг качества и деградации моделей

5 уроков
1. Дрейф данных и концепций ↗
2. Метрики производительности сервиса ↗
3. Латентная деградация качества ↗
4. Проактивный алертинг и SLA ↗
5. Пост-инцидентный анализ ↗

Обеспечение надежности и масштабирования

5 уроков
1. Горизонтальное и вертикальное масштабирование ↗
2. Высокая доступность сервиса инференса ↗
3. Кэширование и отказоустойчивость ↗
4. Оптимизация ресурсов GPU ↗
5. Безопасные обновления в продакшн ↗