Как построить CI/CD для задач машинного обучения. Tips & Tricks
Доклад отклонён
Целевая аудитория
Доклад будет полезен для специалистов ML Engeneer и ML Scientist, которые хотят построить процесс непрерывной доставки и перенести пайплайн в облако
Тезисы
В докладе я расскажу, как можно построить CI/CD для задач машинного обучения на примере переноса пайплайна обучения в облако AWS.
Поделюсь, как выбрать подходящие типы инстансов, настроить взаимодействие с AWS через Terraform, как создать свой кастомный образ и как настроить взаимодействие с GitHub.
Дам советы и расскажу о трудностях, с которыми столкнулись в процессе (и которые удалось преодолеть).
Я работаю на позиции ML Team lead в Friflex.
Занимаюсь компьютерным зрением, до этого десять лет работал в программировании в различных сферах. Обладатель 5 золотых медалей на Kaggle и эксперт отраслевых конференций.
Friflex
ООО «Фрифлекс» – компания по разработке ИТ-решений: мобильных приложений и высоконагруженных проектов, проектов на базе искусственного интеллекта. Компания разрабатывает и внедряет информационные системы с использованием искусственного интеллекта, глубокого обучения и нейронных сетей. Friflex занимается разработкой собственных ИИ-продуктов в сфере оцировке спорта. Например, один из продуктов – платформа для оцифровки и трансляции шахматных партий idChess, которая используется в обучении шахматам в мире.
Видео
Другие доклады секции
Базы данных и системы хранения
