Я расскажу в докладе о том, как, используя современные практики, можно сократить затраты на разметке данных, обучении и инференсе моделей.
Рассмотрим основы и применение следующих тем:
- Активное обучение и его особенности
- Ускорение инференса (прунинг, квантизация, дистилляция)
- MLOps процессы, ускоряющие ML обучение
Доклад рассчитан на дата инженеров, владельцев продуктов ML. Слушатели узнают практики, которые могут позволить им запускать ML проекты дешевле и быстрее. Это может быть полезно как большим компаниям, так и проектам одного человека.