Микросервисы для Machine Learning / Дмитрий Ходаков (Avito)

2 017

14.3

Онтико85.4 тыс

Следующее

16.01.18 – 1 62334:22

От сырых данных до отчета. Архитектурные подходы в проекте Автотека / Николай Балакирев (Avito)

Популярные

71 день – 34644:58

Hadoop в Облаке: история миграции сотен петабайт / Михаил Марюфич (VK, Одноклассники)

71 день – 17436:44

Потоки данных, графы, стейт-машина — строим бизнес-логику в Go-микросервисах / Апрес Антонян

Опубликовано 16 января 2018, 20:22

Приглашаем на конференцию HighLoad++ 2024, которая пройдет 2 и 3 декабря в Москве!
Программа, подробности и билеты по ссылке: clck.ru/3DD4yb
--------
РИТ++ 2017

Тезисы:
ritfest.ru/2017/abstracts/2723...

Рекомендательные сервисы стали неотъемлемой частью практически любого крупного проекта. Мы готовим рекомендации объявлений, обрабатывая все действия пользователей при помощи машинного обучения.

Писать софт сложно, писать обучающийся софт сложно втройне. Из доклада вы узнаете:
- какие трудности можно встретить при построении архитектуры распределенного пайплайна для обучения моделей;
- как традиционные микросервисы помогают организовывать доставку результатов в продакшн-окружение;
- как не очень традиционные микросервисы помогают нам организовать обучение моделей;
- чем отличаются подходы в ml по сравнению с традиционной разработкой.

Свежие видео