MLOps и создание управляемой среды для моделей машинного обучения
Тезисы
Доклад про выбор компонентов решения MLOps и первые шаги внедрения.
Рассчитан на архитекторов, тимлидов и датасаентистов, вовлеченных в построение инфраструктуры для работы моделей машинного обучения.

Слушатели смогут понять, зачем нужен MLOps и зачем заниматься его внедрением, узнают, каков был наш путь по выбору компонентов решения и как мы их внедряем.
Доклад про выбор компонентов решения MLOps и первые шаги внедрения.
Рассчитан на архитекторов, тимлидов и датасаентистов, вовлеченных в построение инфраструктуры для работы моделей машинного обучения.

Слушатели смогут понять, зачем нужен MLOps и зачем заниматься его внедрением, узнают, каков был наш путь по выбору компонентов решения и как мы их внедряем.
Видеозапись доклада
Информация о спикере
Александр Ошурков
Руководитель центра компетенций машинного обучения, Московский кредитный банк
В 2007 году окончил МГТУ им. Н.Э. Баумана по специальности «Компьютерные системы и сети».

За свою карьеру работал в финансовой сфере (Citibank, Credit Suisse) и в айти компаниях — вендорах (Netcracker, IBM). Был разработчиком, бизнес-аналитиком, архитектором и руководителем.

Всегда интересовался автоматизацией на финансовых рынках, писал торговых роботов и активно торговал сам. С 2021 года развивает направление Машинного обучения в Московском Кредитном Банке.
  • Александр Ошурков
    Руководитель центра компетенций машинного обучения, Московский кредитный банк
    В 2007 году окончил МГТУ им. Н.Э. Баумана по специальности «Компьютерные системы и сети».

    За свою карьеру работал в финансовой сфере (Citibank, Credit Suisse) и в айти компаниях — вендорах (Netcracker, IBM). Был разработчиком, бизнес-аналитиком, архитектором и руководителем.

    Всегда интересовался автоматизацией на финансовых рынках, писал торговых роботов и активно торговал сам. С 2021 года развивает направление Машинного обучения в Московском Кредитном Банке.
Все доклады секции