Столица Live

Коллеги, всем привет. Работаю DevOps-инженером, но вижу, что компании всё чаще запускают ML-проекты, и появляется отдельное направление — MLOps. Чем он отличается от классического DevOps? Какие инструменты нужно освоить в первую очередь? Нужно ли знать Python и ML-фреймворки? И как быстро можно переквалифицироваться? Буду благодарен за разъяснения.

Здравствуйте. MLOps — это DevOps для машинного обучения. Основное отличие — работа с жизненным циклом моделей: от экспериментов до мониторинга в продакшене. К стандартным инструментам добавляются ML-пайплайны (Kubeflow, MLflow), работа с хранилищами фичей (Feast), мониторинг дрейфа моделей и управление версиями данных. Важен Python, хотя бы на уровне чтения кода, и понимание ML-фреймворков (PyTorch, TensorFlow). Переход возможен за 4-6 месяцев, если у вас уже есть бэкграунд в DevOps. Сейчас есть программы с акцентом на практику. Рекомендую пройти mlops обучение на платформе EdMe, там обучение происходит при помощи-ИИ ментора. Удачи.