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

1. Введение в MLOps и жизненный цикл модели

5 уроков
Открытый
1.1 Зачем нужен MLOps бизнесу ↗
136
52
17м 48с
1
Открытый
1.2 Жизненный цикл ML-модели ↗
86
32
25м 0с
1
Открытый
1.3 Основные роли и ответственности ↗
48
24
20м 59с
0
Открытый
1.4 Обзор инструментов экосистемы ↗
48
23
14м 0с
0
Открытый
1.5 Первые шаги в организации процесса ↗
45
24
14м 42с
0

2. Управление данными и версионирование

5 уроков
Открытый
2.1 Качество данных и его метрики ↗
51
22
11м 4с
0
Открытый
2.2 Каталоги данных и датасетов ↗
33
16
13м 50с
0
Открытый
2.3 Версионирование данных ↗
32
12
9м 18с
0
Открытый
2.4 Data Lineage и воспроизводимость ↗
31
10
4м 59с
0
Открытый
2.5 Шаблоны хранения фичей ↗
28
10
7м 41с
0

3. Автоматизация обучения и экспериментов

5 уроков
Открытый
3.1 Пайплайны обучения моделей ↗
45
12
5м 32с
0
Открытый
3.2 Отслеживание экспериментов ↗
26
12
9м 9с
0
Открытый
3.3 Управление гиперпараметрами ↗
24
12
8м 33с
0
Открытый
3.4 Оптимизация затрат вычислений ↗
23
11
5м 7с
0
Открытый
3.5 Каталог моделей ↗
32
11
4м 18с
0

4. CI/CD для ML-моделей

5 уроков
Открытый
4.1 Тестирование данных и кода ↗
36
11
15м 40с
0
Открытый
4.2 Сборка контейнеров для инференса ↗
35
9
6м 20с
0
Открытый
4.3 Инфраструктура как код ↗
26
10
3м 40с
0
Открытый
4.4 Автоматизация релизов моделей ↗
23
10
4м 12с
0
Открытый
4.5 Роллбэки и стратегии деплоя ↗
24
9
17м 40с
0

5. Командные процессы и управление проектами MLOps

5 уроков
Открытый
5.1 Организация ролей в ML-команде ↗
25
9
7м 18с
0
Открытый
5.2 Качество и код-ревью в ML-проектах ↗
24
9
8м 33с
0
Открытый
5.3 Kanban и Scrum для MLOps ↗
24
9
1м 6с
0
Открытый
5.4 Отчетность и метрики эффективности ↗
22
9
6м 52с
0
Открытый
5.5 Планирование развития платформы ↗
21
8
8м 31с
0

6. Развертывание и сервисы инференса

5 уроков
Открытый
6.1 Батч-обработка моделей ↗
27
3
7м 36с
0
Открытый
6.2 Онлайн-сервинг с минимальной задержкой ↗
24
0
8м 52с
0
Открытый
6.3 Edge-развертывание ↗
26
7
3м 20с
0
Открытый
6.4 A/B-тестирование моделей ↗
25
2
1м 15с
0
Открытый
6.5 Управление версиями API ↗
19
0
0м 19с
0

7. Мониторинг качества и деградации моделей

5 уроков
Открытый
7.1 Дрейф данных и концепций ↗
23
0
3м 43с
0
Открытый
7.2 Метрики производительности сервиса ↗
13
1
3м 39с
0
Открытый
7.3 Латентная деградация качества ↗
15
1
0м 20с
0
Открытый
7.4 Проактивный алертинг и SLA ↗
12
1
12м 31с
0
Открытый
7.5 Пост-инцидентный анализ ↗
13
0
1м 53с
0

8. Обеспечение надежности и масштабирования

5 уроков
Открытый
8.1 Горизонтальное и вертикальное масштабирование ↗
28
1
0м 19с
0
Открытый
8.2 Высокая доступность сервиса инференса ↗
14
0
1м 45с
0
Открытый
8.3 Кэширование и отказоустойчивость ↗
14
0
0м 11с
0
Открытый
8.4 Оптимизация ресурсов GPU ↗
19
1
0м 15с
0
Открытый
8.5 Безопасные обновления в продакшн ↗
20
0
0м 18с
0