Хабр ПРО // Школа жизни для моделей: как MLOps продуктивизации помогает

Когда-то на создание новых ML-продуктов уходили недели и месяцы, а теперь результат должен быть в течение пары дней. В этом выпуске Хабр ПРО мы обсудили, как создать свою MLOps-платформу. Про то, как идет эта работа в Мегафоне, нам рассказали: → Максим Кожевников, Head of Data Science → Артём Глазунов, Head of ML Platform and Analytical services и ведущий подкаста «Данные люди» https://t.me/bigdatapeople. Тайминги: 01:22 Идеальный пайплайн для ML-моделей 03:22 Главное звено внедрения MLOps 08:13 Секрет успеха своей платформы 11:51 Как определить, что нужна своя платформа 17:09 Вредные советы: как убить ML-модель 21:27 Как разные задачи ML меняют конфигурацию MLOps 24:48 Проблемы продуктивизации при работе над платформой 29:36 Ценность собственной ML-платформы 37:17 Куда развивается MLOps и видим ли мы его границы 43:45 Какие факторы увеличивают time-to-market 47:56 Должен ли Data Scientist знать DevOps-инструменты 52:34 Своя платформа vs готовые решения 54:07 Где ещё найти информацию про MLOps