MLOps в билайн: как катить машинное обучение в production силами DS

Николай Безносов, Head of Data Science

Как мы выстроили нашу инфраструктуру и процессы так, чтобы Data Scientist'ы могли самостоятельно поддерживать полный цикл разработки ML моделей.
Также в выступлении:
- Как выглядел наш процесс ML-разработки, когда команда была небольшой, и какие при этом были проблемы
- Что мы поменяли, чтобы сделать процесс вывода ML решений в production гибче и эффективнее
- Как мы адаптировали известные всем open source инструменты к стандартам корпоративной безопасности
- Как мы масштабировали наши процессы и инфраструктуру на большое количество команд (10++) в условиях Agile разработки
- Почему Airflow оказался недостаточно гибок для ML-задач и какую альтернативу выбрали мы
- Как мы обеспечили непрерывный процесс мониторинга и дообучения ML-моделей
- О чем всегда нужно помнить при построении больших платформ