- Сообщения
- 9,001
- Реакции
- 172
Автор: Валерий Бабушкин, Станислав Гафаров, Богдан Печёнкин
Название: Симулятор Machine Learning Engineer продвинутая практика (2022)
Пахота по-над реалистичными задачками под руководством основных ML-специалистов.
Для кого эта программа:
Желаете проработать сведения для практике
Уже умеете дрессировать и деплоить ML-модели, записывать SQL-запросы к базам данных, провождать A/B-тесты и основывать BI-дашборды, но хотите зафиксировать свои знания.
Нипочем не функционировали в промышленности
Неплохо понимитесь теоретически автомобильного обучения, но никогда не работали в индустрии и хотите унаследовать эксперимент заключения реалистичных бизнес-задач.
Как проходит обучение:
Используйте нашу инфраструктуру
Функционируйте с всеми достаточными приборами для назначенном сервере.
Практикуйтесь для предоставленных изо реалистичных задач.
Посылайте свои заключения для самодействующую апробацию нашей системой.
Постановляйте животрепещущие задачки ML-инженера.
Воспламеняйтесь практикой без скучной теории.
Основное — это работающее решение.
Предпочитайте благоприятную запутанность
Постановляйте задачки многообразных уровней: от Intern до Senior
Строчите пустяковый код или организовывайте полновесные ML-сервисы
Чему Вы научитесь:
Основывать дашборды и писать SQL запросы.
Расценивать воздействие модификаций для показатели бизнеса посредством A/B-тестов.
Деплоить модификации и создавать свои микросервисы для ML
Задачи, какие будем разгадывать
Узел 1 - Эмбеддинги продуктов
ML-команде маркетплейса понадобились векториальные изображения товаров, учитывающие паттерны действия пользователей. Воздвигните эмбеддинги на основе летописи покупок, используя всякий правильный метод.
Узел 2 - Постпроцессинг предвещаний
Модификацию динамического ценообразования предоставила рекомендованные цены. Убедитесь, что они соответствуют бизнес-логике: не превышают стоимости соперников не приводят к сверхпродажам и недостатку продуктов на складе. Подыщите порядок откорректировать стоимости за минимальное количество поправок цены.
Узел 3 - А/В испытание
Художники привнесли изменения в сокет сайта. Фотоаналитик провёл A/B-тест и не обнаружил статистически необходимого изменения конверсии. Проверьте, надежны ли его расчёты, и вспомните протянуть испытаний прочим способом.
Узел 4 - Эвристический розыск кратчайших соседей
ML-инженер изо прочего отдела выстроил опытную ML-модель в Jupyter-ноутбуке. Бизнес-заказчику приглянулись итоги службы модели, и вас попросили упаковать её в продукт. Выдержите программ из Jupyter в модули библиотеки, компенсируйте модификацию тестами, фиксируйте зависимости, упакуйте всё в Docker и настройте бессознательный пересчёт предвещаний после расписанию.
Узел 5 - Деплой модификации
Мы обучили модель, какая на основе иллюстрации и наименования продукта производит эмбеддинги. Но мы не имеем возможности с её поддержкой разыскивать дубликаты промежду миллионов продуктов — запутанность квадратичная. Вспомните какой-либо иной порядок и предложите своё решение.
Узел 6 - Авторитетность модификации
Вы обучили модель, прогнозирующую оттек пользователей, и получили ROC-AUC, равновеликий 0. Ваш руководитель испрашивает уточнить, какой-никакой конфиденциальный промежуток у данной оценки и на каких свежеиспеченных покупателях модификацию убеждена в своём предвещанье лучше, а на каких — хуже.
На симуляторе вы получите путь к инфраструктуре и задачкам многообразного уровня, какие приготовили ML-инженеры большой опыт за плечами службы в ритейле, e-commerce и BigTech-компаниях.
Тут вас ждёт деятельность на задачах, предельно форсированных к реальным, и в окружении, предельно подобном для рабочее. У вас появится возможность завязать с удобного ради вас уровня трудности и увеличивать его сообразно вырабатывания ваших навыков. Зафиксировав сведения на кейсах из индустрии, вы подготовите себя к заключению подобных проблем для работе.
Скачать:
Последнее редактирование:
