Богдан Печёнкин - Bag-of-tricks того, как сделать ваш ML-пайплайн более reliable

Скачать презентацию: Богдан Печёнкин, Senior ML Engineer в BrandsGoDigital, автор симулятора ML-инженера на и тг-канала @bogdanisssimo, рассказывает основные приёмы и инструменты в арсенале ML инженера, которые помогают застраховать ML проект от неожиданных происшествий на разных этапах его жизненного цикла, и сэкономит вам десятки часов поиска источника проблем. Машинное обучение у многих ассоциируется чёрным ящиком: такие-то данные на входе, такие-то предсказания на выходе, а внутри – что-то загадочное, неконтролируемое, непредсказуемое, а следовательно, ненадёжное (non-reliable). Это сильно контрастирует с тем, как на машинное обучение смотрят опытные ML гребцы: для них “код, написанный другим кодом“ (так называемое Software 2.0 ()) – это, в первую очередь, про “код“. Как и рядовой детерминированный код, веса нейросети и деревья бустинга можно и нужно покрывать тестами, дебажить, мониторить – достаточно лишь знать, как. Богдан также рассказывает о практическом курсе-интенсиве по теме надёжности ML-решений на платформе Educative, который он разработал совместно с Арсением Кравченко, чтобы развенчать миф, о том, что “машинное обучение невозможно держать под контролем“ и вооружить вас конкретным набором приёмов карате. Telegram Reliable ML: Data Fest 2023: Трек “Reliable ML “: Наши соц.сети: Telegram: Вконтакте: