#uber_michelangelo — Public Fediverse posts

Как устроена ML-платформа Michelangelo и какие базовые принципы из неё важно усвоить

Привет! Меня зовут Катерина Цаплина, я программный эксперт курса «MLOps для разработки и мониторинга моделей», и это вторая статья цикла о том, как компании реализуют MLOps. В предыдущей части мы разбирали, какие архитектурные подходы скрываются за MLOps: от workflow-фреймворков до managed-сервисов и внутренних платформ. В этой статье хочу разобрать один из самых известных платформенных кейсов — Michelangelo компании Uber. Он ценен тем, что наглядно показывает, как ML-платформа вырастает из практических задач и затем эволюционирует вместе с изменением сценариев: от классического ML к deep learning и LLMOps. Поговорим о том, как устроена платформа, какие сущности и слои в ней ключевые и почему этот пример остаётся полезным. Посмотрим на Michelangelo через призму российских реалий, порассуждаем о связи между зрелостью ML в компании и сложностью корпоративного ландшафта, а также о том, когда платформа действительно становится оправданной.

https://habr.com/ru/companies/yandex_praktikum/articles/1031378/

#mlops #mlopsплатформа #mlплатформа #uber_michelangelo

Как компании строят MLOps: три архитектурных подхода

Всем привет! Меня зовут Катерина Цаплина, я программный эксперт курса

https://habr.com/ru/companies/yandex_praktikum/articles/1014322/

#MLOps #MLплатформа #Uber_Michelangelo #Netflix_Metaflow #Vertex_AI #SageMaker #yandex_datasphere #Yandex_AI_Studio #MLинфраструктура #внедрение_MLOps