2015: Инженер МЛОпс за работой

Чем MLOps отличается от науки о данных? Ученые, работающие с данными, обычно сосредотачиваются на постановке проблем, анализе данных и разработке моделей. MLOps фокусируется на том, чтобы сделать модели воспроизводимыми, развертываемыми и наблюдаемыми с течением времени. Различие не является абсолютным: сильные команды сотрудничают в вопросах оценки и качества данных, а инженерам MLOps необходимо достаточно знаний в области машинного обучения, чтобы понять, почему модель может выйти из строя после развертывания.

Нужна ли мне степень магистра для MLOps? Нет. Степень в области компьютерных наук, инженерии или работы с данными является обычным явлением, но практический опыт работы с программным обеспечением, облаками и платформами данных может иметь большее значение, чем диплом продвинутого исследования. Должности, создающие новые модели, могут предпочесть аспирантуру; Роли, управляющие платформами ML, обычно так же высоко ценят технологию производства, инфраструктуру и тщательное экспериментирование.

Какие языки программирования используют инженеры MLOps? Python распространен, потому что его использует большинство экосистем машинного обучения. SQL необходим для работы с данными, а Docker, YAML и конфигурации «инфраструктура как код» — повседневные инструменты. Некоторые команды разработчиков платформ также используют Go, Java, Scala или TypeScript. Важная возможность заключается не в верности одному языку, а в том, чтобы сделать конвейер тестируемым, версионным и наблюдаемым.