Фабрика данных: от хаоса данных к AI решениям

Мы расскажем о том, почему данных в компаниях больше, а пользы от них больше не становится, и как выстроить единый контур от сырых данных до ML-сервиса в проде: - как заменить зоопарк из DWH, озера данных и ML-стендов единой lakehouse-архитектурой на открытых форматах; - как сократить путь: MLOps, CI/CD, хранилище признаков; - как вовремя заметить, что модель деградировала; - как опираться на open source и при этом нести за него ответственность; - как изолировать команды и клиентов на общей платформе; Расскажем и покажем наши кейсы.