Машинное обучение для высоконагруженных задач
Доклад принят в программу конференции
Целевая аудитория
Тезисы
В экспертной зоне Cloud в формате Q&A можно будет получить ответы на вопросы о машинном обучении для решения высоконагруженных Data Science-задач. Ведущие эксперты поделятся опытом внедрения ML на базе любой инфраструктуры — в облаке и on-premises, а также расскажут, как механизм очередей и правильная организация совместной работы DS-команд помогают сократить time-to-market сложных AI-сервисов.
Алена непосредственно участвовала в разработке платформ ML Space и Yandex DataSphere, кроме того, участвовала в этапе проектирования одного из суперкомпьютеров Christofari. Работала с рядом крупных RnD Data Science-команд. Может рассказать простым языком про то, чем суперкомпьютер отличается от обычной архитектуры, как и для чего был придуман ML Space, для чего и где нужен Elastic Learning, как и чем поможет механизм умных очередей, почему для распределенного обучения нужен Infiniband.
Cloud
В компании работает над системами вычислений в ML Space и может ответить на вопросы о распределенном обучении, спарке и инференсе, а также рассказать об инфраструктуре вокруг них.
Cloud
В компании отвечает за внедрение и интеграцию ML-платформы в технические процессы заказчика. Может ответить на вопросы, как организовать MLOps, на каких инструментах построить pipeline ML-решений, как распараллелить проверку гипотез и вывести ваши модели в продакшн.
Cloud
Алексей непосредственно участвовал в разработке DS-части платформ ML Space, проектировал систему запуска распределенных вычислений на суперкомпьютерах Christofari. Может рассказать про то, как нейронку на PyTorch / TensorFlow запустить на большом количестве железа. А также какие еще инструменты ML Ops могут быть полезны для работы больших команд Data Science.
Cloud
Видео
Другие доклады секции
Экспертная зона