I'ML 2024 Autumn

I'ML 2024 Autumn

MLOps-конференция: от обучения до эксплуатации моделей

Мероприятие завершилось

8 ноябряOnline

  • 15спикеров
  • 10докладов
  • 200участников
  • 140+конференций от организатора

О конференции

Итак, вы разработали модель ML. Как измерить ее полезность? Какую развернуть инфраструктуру? Как масштабировать систему и сделать ее устойчивой? Нужно ли строить свою ML-платформу? Участвуйте в конференции I’ML, чтобы найти ответы на эти вопросы и обсудить работу MLOps.

Зададимся вопросами инфраструктуры, инструментов и специфики MLOps — без конкретных кейсов, но с лучшими практиками из разных доменов. Обсудим формирование датасетов, эксперименты и создание новых фич, workflow и мониторинг моделей, настройку железа, софта и сетевых взаимодействий. И, конечно, процессы и культуру в ML-команде.

Организатор конференции — JUG Ru Group.

Наши мероприятия

  • Чем сложны LLM

    Обсуждаем языковые модели, сдвиг парадигм в ML и челленджи, с которыми столкнулись при создании GigaChat от Сбера. От растущих требований к железу до встраивания LLM в экосистему.

    Online
  • Мультимодальные модели

    Говорим про типы данных, с помощью которых модель учится понимать мир. Разбираемся в истории появления мультимодальных моделей и сравниваем их с нейронными сетями внутри человека.

    Online
  • Инфраструктура & MLOps

    Обсуждаем ML-инфраструктуру, включая MLOps. Как устроен этот процесс в компаниях разного уровня зрелости, как выводить модели в прод быстро и переиспользовать код. Как выглядит ML-платформа и кому лучше заниматься ее построением.

    Online
  • Доставка ML-моделей в продакшен

    Продолжаем говорить о доставке моделей в прод. На этот раз — о задачах, с которыми сталкивается компания на всех этапах. Про датасеты, обучение моделей и пайплайны.

    Online
  • I’ML Meetup: Обучение и запуск в прод моделей на больших данных

    Разрабатываем модели на Big Data, отправляем их в прод и мерджим LLM.

    Online
  • NLP-метрики на практике

    Говорим о том, как менялась практика оценки NLP-моделей, обсуждаем влияние кодогенерации на бизнес и жизнь разработчика. Поднимаем вопросы о доверии к профессионалам и роли людей в создании новых метрик.

    Online
  • Ранжирование и ретривел — описание эффективных алгоритмов и архитектур

    Существует множество проверенных архитектур для ранжирования. В этом выпуске изучаем их эффективность и обсуждаем, как сделать удобную инфраструктуру — вместе с Head of ML в Wildberries.

    Online
  • ML System Design

    Разбираемся, что такое ML System Design Document — когда его внедрять, кто должен этим заниматься, и что вообще подразумевается под System Design для ML-специфики.

    Online
  • ML для сервисов доставки

    Всё о специфике ML в логистике — объем и доступность данных, создание и тестирование алгоритмов для срочной и плановой доставки, реальные бизнес-процессы и прогнозирование заказов.

    Online
  • AutoML в банкинге

    Обсуждаем AutoML и области его применения в банках: от распознавания документов до торговли на биржах. Рассматриваем Python-библиотеки для задач AutoML.

    Online
  • Как работает компьютерное зрение. Подкаст с директором ML-департамента MTS AI

    Рассматриваем задачи Computer Vision на примере детекции драк. Проводим мысленный эксперимент с пет-проектами вселенского масштаба. Обсуждаем жизнь CV-инженера — от простого сотрудника до руководителя команды и директора, влияющего на бизнес.

    Online
  • ML-медиапространство

    Разбираем главные тренды медиапространства вместе с редакторами каналов по ML и DS. ML-продукты, исследования, робототехника, новые индустрии, регуляция AI и направления работы корпораций и стартапов.

    Online

Хотите выступить, но сомневаетесь?

Мы ответим на ваши вопросы и поможем с подготовкой к выступлению.

Подробнее

Подписаться на новости

Новости I'ML

Апдейты, подборки, промокоды.
Коротко и по существу.

Нажимая кнопку, вы соглашаетесь на обработку персональных данных.

Спикеры

Эксперты

Ведущие

Партнеры

Информационные партнеры

  • IT-Events.com

  • CIT forum

  • IT-World

  • Data Secrets

  • Machinelearning

  • Data Secrets | Карьера

  • Библиотека data scientist’а

  • Kogut Ivan Tutoring

  • Открытые решения