Machine Learning na produkcji

Wytwarzanie usług uczenia maszynowego znacząco różni się od wytwarzania i wdrażania klasycznego oprogramowania.

Gdzie leży różnica? W klasycznym oprogramowaniu wdrażanie nowej wersji aplikacji zależy od zmian w kodzie. W usługach ML trzeba uwzględnić jeszcze zmiany w zbiorze danych.

W konsekwencji, chcąc dostarczać dojrzałe usługi ML, należy zatroszczyć się o nieobecne w klasycznym oprogramowaniu:

• zarządzanie eksperymentami
• cykliczne trenowanie modeli na zdalnym środowisku
• kontrolę nad dryfem danych
• interpretowanie predykcji

Celem szkolenia jest pokazanie powyższych różnic w praktyce i implementacja kompletnej usługi ML z wykorzystaniem dobrych praktyk.

Podczas szkolenia pokażemy typowe błędy popełniane we wdrażaniu projektów uczenia maszynowego, zobaczymy ich konsekwencję, a także zaproponujemy i zaimplementujemy sposoby na radzenie sobie z nimi. W ćwiczeniach skupimy się na serwisach w chmurze AWS, która posiada najdojrzalszy wachlarz usług do budowy rozwiązań ML.

W ramach szkolenia wszystkie ćwiczenia będą prowadzić nas do jednego celu — przygotowania kompletnego rozwiązania ML — od załadowania surowych danych do wdrożenia skalowalnego modelu w chmurze AWS. Po warsztacie uczestnik będzie gotowy do wytwarzania usług uczenia maszynowego z wykorzystaniem serwisów AWS.

Nie jest to warsztat, w którym pokazujemy konkretne algorytmy i techniki uczenia maszynowego jak NLP czy wizja komputerowa. Zamiast tego skupimy się na inżynierskich aspektach budowania i wdrażania usług opartych na uczeniu maszynowym.

Warsztat jest prowadzony w specjalnie przygotowanym do tego środowisku dostępnym z poziomu przeglądarki oraz przy użyciu dedykowanego AWS-owi SDK w języku Python.

Główne cele szkolenia:

• dostarczyć dogłębne zrozumienie różnic pomiędzy tworzeniem klasycznego oprogramowania a tworzeniem usług uczenia maszynowego
• pokazać konsekwencje nieumiejętnego zarządzania tymi różnicami
• nauczyć jak krok po kroku trenować i wdrażać modele uczenia maszynowego
• zaprojektować proces wdrażania nowej usługi uczenia maszynowego
• wprowadzić uczestników do usługi AWS Sagemaker skupiając się na praktycznych aspektach

Szkolenie jest dedykowane dla osób, które uczestniczą w procesie wytwarzania usług ML: od data scientists przez programistów, inżynierów danych do MLOps, którzy chcą poznać uniwersalny sposób na budowanie skalowalnych usług ML.