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.