Прикладной Data Science: как стать ML-инженером

Расскажем, как глубже погрузиться в область машинного обучения, если уже есть база. Сделаем акцент на прикладных знаниях о том, как внедрять ML-модели. Узнаете от практикующих экспертов, чего ждёт рынок от ML-инженеров сегодня Мы на связи: Сайт ВКонтакте 00:00 Тема вебинара 00:40 Процесс обучения в Яндекс Практикуме 02:36 Вступление 03:43 Знакомство со спикерами 06:01 О чем вебинар 06:46 Кто такой инженер машинного обучения? 09:12 Чем отличается инженер машинного обучения от специалиста по data science? 11:32 Требования к инженеру машинного обучения и его типичные рабочие задачи 12:53 Полный рабочий процесс проекта по машинному обучению 18:40 Этапы развертывания MLOps* 23:57 Data-дрифт 27:00 Обновление модели через А/В-тест 38:47 Ответы на вопросы зрителей 48:20 Популярные задачи по машинному обучению в российских компаниях 56:54 Курс “Инженер машинного обучения” в Практикуме 1:17:39 О