Выполненные домашние задания в рамках курса "ML-Engineering: от базы до AI-продукта".
ML-Engineering: от базы до AI-продукта — это 9-месячная программа, охватывающая полный цикл разработки ML-продуктов: от теории и классических алгоритмов до продвинутых MLOps-практик и деплоя моделей в продакшн. Курс построен на реальных бизнес-кейсах, акцентирует внимание на продуктовом подходе и современных инструментах индустрии.
Ссылка на курс: https://karpov.courses/ml-engineering
- Python — Язык программирования для анализа данных и ML
- NumPy, pandas — Манипуляции с данными, обработка и анализ
- scikit-learn — Классические ML-алгоритмы и оценка моделей
- SQL — Извлечение и обработка данных из реляционных БД
- Jupyter Notebook — Интерактивная разработка и эксперименты
- PyTorch, TensorFlow — Глубокое обучение, нейронные сети
- Airflow — Автоматизация и оркестрация ML-пайплайнов
- Spark — Обработка больших данных
- ClickHouse — Высокопроизводительная аналитическая БД
- Superset — Визуализация данных и дашборды
- MLOps-инструменты — Деплой, версионирование и мониторинг моделей
- Прикладная разработка на Python
- Машинное обучение
- Практикум по разработке ML-сервисов
- Основы Deep Learning
- Введение в MLOps
- My first data project
- Статистика и A/B-тесты