Comments 4
Отличное описание основных вех MLOps в банке, но могли бы рассказать на чей опыт вы смотрели и чем не подошёл фист?
Привет, опыт смотрели разный - и российских банков (включая самый крупный зеленый), и зарубежных. Опыта, надо сказать, тогда было совсем немного.
По feast:
Главная причина - в невозможности выполнить произвольный код для расчёта признаков.
В feast-репозиториях можно было всего лишь задать список таблиц и колонок, которые мы хотим получать из уже существующих витрин данных.
А вот задать функцию или класс, которые будут вызываться для расчёта витрины данных, уже оказалось невозможно.
Кроме того, feast не умел работать с PySpark - по крайней мере, в те времена.
Вот и получилось, что свои потребности проще и быстрее было реализовать самим.
Сейчас «МЛОпсов» уже 21: это и ML-инженеры, и DevOps’ы, и QA, и тимлиды.
Структурно как разделяется эта группа? Есть ли команда «суппорта» и входят ли они в эту группу?
Как ускорить вывод ML-моделей в 4 раза, или Как может выглядеть экосистема МLOps в банке