Почему новичкам нужно уметь выводить модель в прод

Почему новичкам нужно уметь выводить модель в прод Классическая история вкатуна? закончившего курс по DS в надеждке на 300к/наносек: добавил строчки в резюме, собрал пет-проекты в ноутбуках, пошёл по собесам. И первым же делом выясняется, что модель в Jupyter никому не нужна. Спрашивают, как ты её задеплоишь, как обновишь без даунтайма и как поймёшь, что она сломалась в проде. Давайте посмотрим на вакансии: ML-инженер, Росгосстрах : Kubernetes, Docker, Airflow, MLflow, FastAPI ML-инженер, Уралхим : MLflow, Airflow, CI/CD для моделей, Prometheus и Grafana MLOps-инженер, В Кадре : MLflow обязателен, DVC, Kubeflow или Airflow И таких вакансий сотни Заметьте, это не сеньорские позиции. Это обычный прод, такой стек сейчас в каждой второй вакансии. Джун, который умеет докатить модель до прода, на собесе обходит джуна с десятью юпитер-ноутбуками. А по свежим обзорам рынка средняя вилка ML-инженера в России 280-450 тысяч, и попадают в неё именно те, кто дружит с инфраструктурой. Поэтому мы тщательно проработали в новом курсе ML PRO тему вывода модели в прод. Кому курс зайдёт: - Джунам и стажёрам, которые хотят перейти от ноутбуков к боевым сервисам и расширить свой выбор вакансий; - DS-ам, которых на работе просят "заверни модель в сервис", а как именно, никто не рассказал; - Тем, кто метит в middle. Без прод-навыков грейд не поднимут, какие бы ни были метрики; За 6 недель занятий руками собираем полный цикл: сервис на FastAPI, Docker, деплой в Kubernetes, CI/CD на GitHub Actions, MLflow с реестром моделей, DVC, пайплайны в Airflow, мониторинг в Grafana и отлов дрейфа. Отдельно дообучаем LLM и выкатываем её на GPU. Также ботаем такие важные темы как рекомендации, матчинг, MLOps, динамическое ценообразование и так далее. Закрываем всё занятием по карьере: резюме, собесы с HR и техничкой, поиск вакансий в России и зарубежом, LinkedIn. На выходе у вас репозиторий, который поднимается одной командой, задеплоенная модель и внятные ответы на вопросы про прод. С этим уже можно ходить и на ML-инженера, и на MLOps, и на DS с инженерным уклоном. ➡️ Записаться