Разработка своего хранилища моделей машинного обучения и почему нам не подошли стандартные решения AI/ML и визуализация данных
Во многих компаниях Python не является основным языком программирования. С появлением машинного обучения на проекте возникает проблема, как внедрить модели, написанные на Python, с использованием Tensorflow, Keras и прочих библиотек с backend, написанным, например, на Golang?
В докладе расскажу:
- как мы дружили Python-модели ML c backend, написанном на Golang;
- почему нам не подошли стандартные средства tensorflow и ml-flow;
- как мы пришли к написанию своего решения;
- покажу подробный путь модели от jupyter playbook до procduction;
- какие дополнительные возможности в сервисе мы реализовали;
- что выиграли, а где набили шишки.
Закончил аспирантуру по специальности «Физическая химия», где активно использовал Python для расчетов и моделирования многокомпонентных систем неводных растворов электролитов. Разрабатывал различные системы на Python и Golang. Сейчас руководит разработкой и внедрением системы искусственного интеллекта в компании «Программный регион», которая специализируется на решениях направленных на эффективную доставку персонализированного контента пользователям. В свободное время развивает собственные опенсорс-проекты, пишет на Python и Golang и экспериментирует с новыми технологиями.
https://github.com/deslum/