Afterlife: як жити після розгортання ML моделі
недоступний
16+

Afterlife: як жити після розгортання ML моделі

До обраного
Додано
Full HD
54 хвилини

Cпеціаліст у сфері Machine Learning з досвідом роботи понад 7 років та куратор курсу ML in Production. Працював зі стартапами від ідеї до створення продукту. Має досвід у виборі та реалізації сучасних архітектур глибинного навчання та великомасштабних рішень на їхній основі.

На лекції Кирило розповів, що робити після розгортання ML моделі в продакшн. Що може піти не так після цього, на що звернути увагу і як стежити за своєю моделлю. Розбралися не тільки в теоретичній, а й практичній частині. Подивилися на такі інструменти, як Evident, Alibi Detect, Seldon Core та зрозуміємо, як їх використовувати з різними доменами.

Спікер — Кирил Трусковський. Machine Learning Engineer в Georgian, Co-Founder at ScoreInforce.

https://bit.ly/3P5IVo7

Cпеціаліст у сфері Machine Learning з досвідом роботи понад 7 років та куратор курсу ML in Production. Працював зі стартапами від ідеї до створення продукту. Має досвід у виборі та реалізації сучасних архітектур глибинного навчання та великомасштабних рішень на їхній основі. На лекції Кирило розповів, що робити після розгортання ML моделі в продакшн. Що може піти не так після цього, на що звернути увагу і як стежити за своєю моделлю. Розбралися не тільки в теоретичній, а й практичній частині. Подивилися на такі інструменти, як Evident, Alibi Detect, Seldon Core та зрозуміємо, як їх використовувати з різними доменами. Спікер — Кирил Трусковський. Machine Learning Engineer в Georgian, Co-Founder at ScoreInforce.

Переклад

Українська