Как вырастить ML-инфраструктуру от коробки до гигантской платформы

Навыки

• Big Data
• Machine Learning
• MLOps
• Управление командой

Задачи

• Когда в компании появляется первый Data Scientist, ему обычно хватает одной мощной машинки или DevBox
• Но что происходит, когда команда разрастается до сотен и тысяч инженеров, а модели начинают приносить бизнесу миллионы?
• Хаос из разрозненных скриптов, проблемы с масштабированием, "зоопарк" технологий и бесконечная головная боль инженеров
• В новой статье на Хабре команда Авито делится своим опытом эволюции ML-платформы. Вы узнаете
• С какими граблями сталкивается крупный бизнес при масштабировании ML
• Как пройти путь от локальной разработки до полноценной MLOps-экосистемы на 1000+ пользователей
• Как выстроить процессы так, чтобы инфраструктура помогала, а не мешала катить модели в прод
• Практический гайд для тимлидов, MLOps-инженеров и всех, кто строит Big Data в больших масштабах
• Читать статью
• DevOpsKaz 😛

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.