ЯК СТАТИ MLOPS ENGINEER?
Станьте MLOps Engineer і будуйте кар’єру на перетині ML, DevOps і Software Engineering
Тимофій Охріменко
Software & MLOps Engineer у Beewise
КУРС MLOPS ДЛЯ
ДО ПРОГРАМИ КУРСУ ВХОДЯТЬ
-
01
Автоматизація ML-процесів
Навчитеся запускати end-to-end пайплайни: від обробки даних і тренування моделей — до їхнього логування, деплою та підтримки в продакшн-середовищі.
-
02
Розгортання в хмарній інфраструктурі
Розгорнете продакшн-рішення в хмарі з Pulumi та AWS SageMaker: опишете інфраструктуру як код, налаштуєте endpoints і створите пайплайни для тренування та inference моделей.
-
03
Моніторинг і стабільність моделей
Опануєте Prometheus, Grafana та Evidently, щоб відстежувати продуктивність, виявляти Data/Concept Drift і забезпечувати безперервне оновлення ML-систем.
лектор
ТИМОФІЙ ОХРІМЕНКО
Software & MLOps Engineer у Beewise
-
має понад 13 років досвіду в IT: 6+ років як Software Engineer і понад 3 роки в ролі DevOps- і MLOps-інженера
-
побудував MLOps-інфраструктуру з нуля, що прискорило тренування моделей в 3 рази
-
автоматизував деплой ML-проєктів на AWS, скоротивши розгортання з 2 годин до 15 хвилин
-
оптимізував обробку даних, підвищивши точність моделей на 12%
Програма
-
01 заняття20.10.2025 18:00
Вступ до MLOps
- з’ясуєте, що таке MLOps та його важливість для ML-проєктів
- розберете відмінності MLOps від DevOps і специфічні виклики ML-систем
- зрозумієте етапи життєвого циклу ML-моделі та архітектуру ML-систем
- розберете завдання, які на кожному етапі розв’язує MLOps
-
02 заняття22.10.2025 18:00
Управління залежностями (pip, uv, Poetry, Conda)
- розберете інструменти управління залежностями та відмінність між ними
- дізнаєтеся про типові проблеми із залежностями та їх розв’язання
- навчитеся створювати проєкт і керувати ним за допомогою uv
-
03 заняття26.10.2025 18:00
CI/CD для ML: принципи, інструменти (GitHub Actions, GitLab CI)
- дізнаєтеся типові CI/CD-пайплайни для ML
- розглянете GitHub Actions та GitLab CI
- навчитеся створювати типовий CI/CD-пайплайн для запуску тренування ML-моделі
-
04 заняття28.10.2025 18:00
Контейнеризація моделей з Docker
- розглянете Docker
- навчитеся створювати Docker-образ з ML-моделлю та запускати його
-
05 заняття03.11.2025 18:00
Reproducibility в ML та версіювання даних за допомогою DVC
- дізнаєтеся, як забезпечити Reproducibility в ML
- зрозумієте рівні Reproducibility в ML
- навчитеся користуватися DVC для версіювання даних
-
06 заняття05.11.2025 18:00
Відстежування експериментів та версіювання моделі за допомогою MLflow
- дізнаєтеся, як відстежувати експерименти й версіювання моделей
- навчитеся впроваджувати відстеження експериментів у код
- зрозумієте, як працювати з MLflow Model Registry
-
07 заняття10.11.2025 18:00
Огляд метрик моделі та Feature store
- знаєте основні метрики моделей та що вони означають
- з’ясуєте, що таке Feature store, та опануєте роботу з Feast
-
08 заняття12.11.2025 18:00
DVC Pipelines vs Airflow vs Kubeflow: коли що обирати
- розберете відмінності між DVC Pipelines, Airflow, Kubeflow та їхні основні функції
-
09 заняття17.11.2025 18:00
Case Study: побудова DVC-пайплайну з нуля
- набудете навичок будувати DVC pipeline для тренування моделі
- навчитеся будувати CI/CD GitHub Actions для запуску DVC-пайплайну
-
10 заняття19.11.2025 18:00
Види inference та Pulumi IaC
- розберете відмінність між Online vs Batch inference
- ознайомитеся з Pulumi IaC та Pulumi AI
-
11 заняття24.11.2025 18:00
Демо: Створення Pulumi IaC для розгортання ML-застосунку на AWS
- навчитеся створювати Pulumi IaC та CI/CD для розгортання ML-застосунку
-
12 заняття26.11.2025 18:00
AWS SageMaker
- розглянете основні сервіси AWS SageMaker — Studio, Pipelines, Processing і Training Jobs, Endpoints та serverless inference, Batch Transform Jobs та Models Registry
-
13 заняття01.12.2025 18:00
Побудова пайплайну за допомогою AWS SageMaker
- навчитеся будувати пайплайн за допомогою AWS SageMaker
-
14 заняття03.12.2025 18:00
Моніторинг продуктивності моделі
- ознайомитеся з метриками моделей
- розберете Prometheus і Grafana
- навчитеся інтегрувати моніторинг у застосунок
-
15 заняття08.12.2025 18:00
Data & Concept Drift: як виявити й усунути
- дізнаєтеся, що таке Data Drift і Concept Drift
- ознайомитеся з Evidently
-
16 заняття22.12.2025 18:00
Захист курсового проєкту
- створите MLOps-пайплайн для тренування моделі з DVC Pipelines
- інтегруєте MLflow для відстеження експериментів і реєстрації моделей
- налаштуєте CI/CD для автоматичного запуску пайплайну на GitHub Actions або GitLab CI
реєстрація
Опануйте ключові інструменти MLOps Engineer, щоби перейти на новий рівень у кар’єрі.