Deep dive в ML Space: модуль Deployments как способ реализации ML-моделей. От простого к сложному
На втором вебинаре из цикла “Deep Dive в ML Space“ тиммейты ML Space Владимир Новоженов и Владислав Синеглазов расскажут о том, как работать c развертыванием ML-моделей на платформе.
Вы узнаете:
- как запустить обученную модель в продакшн;
- как совершать асинхронные запросы;
- как быстро масштабировать свое решение;
- как управлять своим пулом моделей.
Вебинар будет полезен специалистам IT-подразделений корпоративного бизнеса, дата-сайентистам, DevOps-инженерам, а также менеджерам AI/ML-продуктов.
00:00 — Вступление
00:56 — Функциональные возможности платформы ML Space
05:47 — MLOps: процесс разработки моделей машинного обучения
07:56 — Виды инференса: Batch vs Real-Tine prediction
10:24 — Как работать в модуле Deployments платформы ML Space, первый сценарий работы по созданию API к моделям для интеграций с другими системами
20:12 — Модуль Deployments: второй сценарий работы по деплою любых Docker-образов
23:26 — Обзор карточки деплоя
25:56 — Модуль Deployments: третий сценарий работы по деплою любых Docker-образов с прокси API Gateway
29:08 — Модуль Deployments: четвертый сценарий работы по асинхронному инференсу и вычислениям
36:13 — Модуль Deployments: пятый сценарий работы (самый простой) — возможность забрать готовое решение из Marketplace, задеплоить в своем пространстве Cloud и применять
38:05 — Кому будет полезен асинхронный инференс на ML Space
43:25 — Чат-бот как пример реализации асинхронного инференса
49:16 — Ответы на вопросы
Создайте свои продукты на основе AI и ML с платформой для машинного обучения полного цикла ML Space:
Подписывайтесь на наш Телеграм:
3 views
1548
502
4 weeks ago 00:08:50 1
Just Dance 2025 Edition - The Making Of
1 month ago 00:11:19 1
10 Integrative Approaches in Plastic Surgery | Episode 10 of SurgiMind Podcast | Plastic Surgery