CS301: Machine Learning System Design

Обзор

О чем этот курс?

Данный курс направлен на предоставление основ для разработки реальных систем машинного обучения. Он начинается с рассмотрения всех заинтересованных сторон каждого проекта машинного обучения и их целей. Различные цели требуют разных вариантов разработки, и в рамках этого курса мы обсудим компромиссы между этими вариантами. Студенты узнают о управлении данными, инженерии данных, подходах к выбору моделей, обучении, масштабировании, а также о том, как постоянно отслеживать и развертывать изменения в системах машинного обучения. Также будет рассмотрена человеческая сторона проектов машинного обучения, такая как структура команды и бизнес-показатели.

Зачем проектировать системы машинного обучения?

Проектирование систем машинного обучения - это процесс определения архитектуры программного обеспечения, инфраструктуры, алгоритмов и данных для системы машинного обучения, которая удовлетворяет заданным требованиям. Учебный подход был чрезвычайно успешным в получении моделей "от земли". Однако получившиеся системы, как правило, быстро устаревают из-за обновления инструментального пространства, изменения бизнес-требований и постоянно меняющегося распределения данных. Без преднамеренного проектирования, объединяющего все компоненты, система становится технической проблемой, подверженной ошибкам и быстрому разрушению.

Предварительные знания:

Перед началом курса студенты должны иметь следующие знания:

• Знание базовых принципов фунционального программирования .
• Хорошее понимание алгоритмов машинного обучения .
• Знаком по крайней мере с одним фреймворком, таким как TensorFlow, PyTorch, JAX, Catalyst.
• Знакомство с базовой теорией вероятностей
• Знакомство Docker и контейнерами