Как AutoML- и AutoDL-сервисы улучшают реальную разработку Прочее
Руководитель Лаборатории машинного обучения.
Автор тг-канала «Нескучный Data Science».
Тезисы
В Data Science есть большая проблема с рутиной — даже для построения рядовых моделей необходимо писать повторяющийся из проекта в проект boilerplate-код. Несмотря на обилие открытых AutoML-инструментов, они редко применяются в реальной разработке из-за низкой прозрачности и автоматизации лишь малой части DS.
В Альфа-Банке мы решаем данную проблему сервисным подходом — в докладе мы расскажем, как разработали собственные AutoML- и AutoDL-сервисы, автоматизирующие большую часть цикла ML-разработки: от сбора данных и отбора признаков до построения ансамбля моделей и финальной аналитики. Сервисы помогают в разработке десяткам Data Scientist’ов в департаменте и сохраняют прозрачность и масштабируемость при высоком качестве моделей.
