Как построить ML-систему, которая обрабатывает десятки миллионов предсказаний в месяц? Особенно когда речь идет о критически важном производственном процессе!

В новом выпуске подкаста "AWS на русском" мы говорим с AWS ML Hero Рустемом (Rustem Feyzkhanov) о том, как масштабировать ML-системы в облаке от этапа исследований до промышленного внедрения:

🔹 Как построить эффективный ML-пайплайн для автоматического обучения моделей

🔹 Почему SageMaker Training Jobs и AWS Lambda — идеальная комбинация для масштабирования

🔹 Как оптимизировать расходы на ML-инфраструктуру с помощью spot-инстансов

🔹 Секреты мониторинга и отладки ML-систем в продакшене

Этот выпуск будет особенно полезен ML-инженерам, DevOps-специалистам и техническим лидам, которые работают над масштабированием ML-решений в облаке.

💡 Узнаете, как сократить время итерации ML-экспериментов с дней до часов и автоматизировать процесс вывода моделей в продакшен.

Навигация для Podbean:

• (0:00) Введение и представление гостя

• (5:30) Особенности AutoML платформы

• (15:45) ML-пайплайны и инфраструктура

• (25:20) Масштабирование и оптимизация

• (35:10) Мониторинг и поддержка

• (45:30) Рекомендации и выводы

Навигация для YouTube:

00:00:00 - Начало

00:05:30 - Особенности AutoML платформы

00:15:45 - ML-пайплайны и инфраструктура

00:25:20 - Масштабирование и оптимизация

00:35:10 - Мониторинг и поддержка

00:45:30 - Рекомендации и выводы

🎧 Слушайте на любимой платформе:

• YouTube

• Podbean

• Apple Podcast

• Яндекс.Музыка

• Spotify

• RSS

💬 А как вы решаете задачи масштабирования ML-систем? Делитесь опытом в комментариях!

#AWS #MachineLearning #SageMaker #MLOps