На вебинаре пойдем глубже в возможности DVC: проведем эксперименты, воспользуемся model registry и так же посмотрим на дополнительный функционал, который может быть полезен каждому ML специалисту Вы узнаете: - Как использовать DVC для версионирования данных - Как обеспечить совместный доступ к данным через S3 - Как версионировать модели и хранить артефакты в DVC - Когда лучше подойдет DVC, а когда MLFlow - Как сделать воспроизводимое обучение моделей Кому подходит этот урок: - Дата-сайентистам, которые хотят научиться выводить свои модели в прод - Дата-инженерам, которые обеспечивают версионирование данных - ML-инженерам, решающим проблемы хранения и версионирования моделей Результат урока: - Научитесь настраивать в git репозитории DVC и хранить артефакты на S3 - Переключаться между версиями артефактов и загружать их во внешнее хранилище - Создавать воспроизводимые конвейеры обучения моделей с помощью DVC Pipelines «MLOps» - https://otus.pw/umzd/ Преподаватель: Игорь Стурейко - Teamlead, главный инженер в FinTech