🎉 Друзья, у нас обновился курс PyMagic как преподавательским составом, так и самими темами и инструментами.
🔜 В начале июля будет анонс и старт нового набора на 3 поток. Так как требования к специалистам растут, на входе в курс уже предполагается, что у вас есть база мат. анализа.
📚 Для тех, кто ее не помнит, скоро я выпущу отельное видео с подробным разбором всей теории, эта теория будет сложнее и захватит больше тем, чем в первом моем видео по матану за 15 минут.
А теперь про обновления.
✅ Добавили блок с Kaggle, про который вам расскажет Александр Рыжков (Kaggle Grandmaster, Team Lead команды AutoML LightAutoML) https://www.kaggle.com/alexryzhkov
Kaggle-соревнования - как участвовать в них эффективнее?
- Ключевые моменты, на которые нужно обратить внимание на старте соревнования
- Продумывание и подготовка скелета пайплайна решения
- Наращиваем «мясо» на скелет - на что делать акцент, как искать инсайты?
- Объединение в команду - баг или фича?
- Дилемма выбора финальных решений
✅ Добавили блок с введением ML в production, где мы на практике с вами разберем не только такой инструмент как Docker и фреймворк FastAPI, но еще и поймем как все это соединить вместе в одном проекте, чтобы вы могли не ограничиваться одним Jupyter Notebook.
Введение ML в production
⁃ Написание переиспользуемого кода для production
⁃ Фреймворк FastAPI / backend для ML
⁃ Фреймворк streamlit / frontend для ML
⁃ Развертывание модели машинного обучения с использованием FastAPI и streamlit
⁃ Что такое Docker? Основные компоненты
⁃ Развертывание ML проекта в Docker с backend и frontend
https://pymagic.ru
🔜 В начале июля будет анонс и старт нового набора на 3 поток. Так как требования к специалистам растут, на входе в курс уже предполагается, что у вас есть база мат. анализа.
📚 Для тех, кто ее не помнит, скоро я выпущу отельное видео с подробным разбором всей теории, эта теория будет сложнее и захватит больше тем, чем в первом моем видео по матану за 15 минут.
А теперь про обновления.
✅ Добавили блок с Kaggle, про который вам расскажет Александр Рыжков (Kaggle Grandmaster, Team Lead команды AutoML LightAutoML) https://www.kaggle.com/alexryzhkov
Kaggle-соревнования - как участвовать в них эффективнее?
- Ключевые моменты, на которые нужно обратить внимание на старте соревнования
- Продумывание и подготовка скелета пайплайна решения
- Наращиваем «мясо» на скелет - на что делать акцент, как искать инсайты?
- Объединение в команду - баг или фича?
- Дилемма выбора финальных решений
✅ Добавили блок с введением ML в production, где мы на практике с вами разберем не только такой инструмент как Docker и фреймворк FastAPI, но еще и поймем как все это соединить вместе в одном проекте, чтобы вы могли не ограничиваться одним Jupyter Notebook.
Введение ML в production
⁃ Написание переиспользуемого кода для production
⁃ Фреймворк FastAPI / backend для ML
⁃ Фреймворк streamlit / frontend для ML
⁃ Развертывание модели машинного обучения с использованием FastAPI и streamlit
⁃ Что такое Docker? Основные компоненты
⁃ Развертывание ML проекта в Docker с backend и frontend
https://pymagic.ru