Мы все проанализировали и решили… что пришло время делиться экспертизой!😎
Alfa Advanced Analytics — канал Центра продвинутой аналитики Альфа-Банка, где вас ждут:
🔹Хардовые посты по DS, DE и MLOps от специалистов Альфа
🔹 Обмен опытом с профессиональным сообществом
🔹Актуальные ивенты и вакансии от AAA
Ориентируйтесь по контенту канала c помощью хештегов:
#aaa_hardposting #aaa_DS #aaa_DE #aaa_MLOps #aaa_habr — экспертные публикации по data science, data engeneering и MLOps
#aaa_analytics — погружаем вас в кухню Центра продвинутой аналитики Альфа
#aaa_experts — говорим о людях из индустрии и перенимаем их опыт
#aaa_news — следим за повесткой и делимся самыми актуальными новостями из мира data science
#aaa_fun — выкладываем любимые data science-мемы и видео
#aaa_alfa — рассказываем о проектах и достижениях Альфы, которые просто не можем оставить незамеченными
#aaa_events — держим в курсе предстоящих митапов, конференций и data-событий
#aaa_career — подробнее о вакансиях и карьерной кухне
#aaa_watch — делимся видео, достойными вашего внимания
Добро пожаловать в мир ААА!
Alfa Advanced Analytics — канал Центра продвинутой аналитики Альфа-Банка, где вас ждут:
🔹Хардовые посты по DS, DE и MLOps от специалистов Альфа
🔹 Обмен опытом с профессиональным сообществом
🔹Актуальные ивенты и вакансии от AAA
Ориентируйтесь по контенту канала c помощью хештегов:
#aaa_hardposting #aaa_DS #aaa_DE #aaa_MLOps #aaa_habr — экспертные публикации по data science, data engeneering и MLOps
#aaa_analytics — погружаем вас в кухню Центра продвинутой аналитики Альфа
#aaa_experts — говорим о людях из индустрии и перенимаем их опыт
#aaa_news — следим за повесткой и делимся самыми актуальными новостями из мира data science
#aaa_fun — выкладываем любимые data science-мемы и видео
#aaa_alfa — рассказываем о проектах и достижениях Альфы, которые просто не можем оставить незамеченными
#aaa_events — держим в курсе предстоящих митапов, конференций и data-событий
#aaa_career — подробнее о вакансиях и карьерной кухне
#aaa_watch — делимся видео, достойными вашего внимания
Добро пожаловать в мир ААА!
🔥14👏6❤5
Алло, ну как там с моделями?
Делимся свежей статьей на Хабре! Андрей Качетов, руководитель отдела сопровождения машинного обучения Альфа-Банка, рассказывает, почему вывод ML-модели в пром занимал целый квартал и даже больше и как с этим справились
В статье «Как ускорить вывод ML-моделей в 4 раза, или Как может выглядеть экосистема МLOps в банке» вы узнаете:
— Зачем Альфе нужен MLOps и как мы жили без него
— Как мы ускорили разработку и развертывание ML-моделей
— Как сформировали единый подход для работы с модельными данными (Feature Store)
⚡Читайте материал по ссылке и делитесь мыслями в комментариях!
#aaa_habr #aaa_MLOps #aaa_experts #aaa_analytics #aaa_hardposting
Делимся свежей статьей на Хабре! Андрей Качетов, руководитель отдела сопровождения машинного обучения Альфа-Банка, рассказывает, почему вывод ML-модели в пром занимал целый квартал и даже больше и как с этим справились
В статье «Как ускорить вывод ML-моделей в 4 раза, или Как может выглядеть экосистема МLOps в банке» вы узнаете:
— Зачем Альфе нужен MLOps и как мы жили без него
— Как мы ускорили разработку и развертывание ML-моделей
— Как сформировали единый подход для работы с модельными данными (Feature Store)
⚡Читайте материал по ссылке и делитесь мыслями в комментариях!
#aaa_habr #aaa_MLOps #aaa_experts #aaa_analytics #aaa_hardposting
👍11🔥7🤩2🤝1
А вы любите ретро? 🤓
В банках за годы работы накапливается не только много исторических данных, но и морально, и физически устаревших решений. Ничего не поделать — дань прежней технологической моде
У нас одним из таких «реликтов» был монолитный чёрный ящик — так называемая «коробка», обрабатывающая рисковые модели машинного обучения (ML)
Поставщик — зарубежная компания — покинула российский рынок в прошлом году, и этот чёрный ящик стал почти что «бомбой замедленного действия» с непредсказуемыми последствиями. Поддерживать такой софт своими силами было бы сложно, дорого и максимально проблематично
Как мы решили с этим бороться? Радикально: взять и распилить. Проект занял чуть больше полугода
🙋♀️ Маша Попова, проджект отдела сопровождения моделей ML Альфа-Банка, рассказывает в карточках, как происходило разделение коробки на кубики и как собирался новый паззл!
#aaa_hardposting #aaa_MLOps #aaa_experts
В банках за годы работы накапливается не только много исторических данных, но и морально, и физически устаревших решений. Ничего не поделать — дань прежней технологической моде
У нас одним из таких «реликтов» был монолитный чёрный ящик — так называемая «коробка», обрабатывающая рисковые модели машинного обучения (ML)
Поставщик — зарубежная компания — покинула российский рынок в прошлом году, и этот чёрный ящик стал почти что «бомбой замедленного действия» с непредсказуемыми последствиями. Поддерживать такой софт своими силами было бы сложно, дорого и максимально проблематично
Как мы решили с этим бороться? Радикально: взять и распилить. Проект занял чуть больше полугода
🙋♀️ Маша Попова, проджект отдела сопровождения моделей ML Альфа-Банка, рассказывает в карточках, как происходило разделение коробки на кубики и как собирался новый паззл!
#aaa_hardposting #aaa_MLOps #aaa_experts
🔥13❤5👍5
Как получить работающий конвейер после ухода вендора? 🫥
Чем больше компаний осознают пользу от машинного обучения, тем чаще они задаются вопросом: «Как использовать умные технологии эффективнее?»
Эффективнее — это, во-первых, с доступным минимумом издержек, а во-вторых, с понятной пользой для бизнеса. Пользу обеспечивает скорость, с которой ML-модели «приземляются» на текущие процессы — её может дать автоматизация
Автоматизировать вывод моделей в продакшен — это, по сути, запустить непрерывный конвейер. Такой конвейер в Альфе начали строить 1,5 года назад. Из них полгода выбирали оптимальное архитектурное решение, инструментарий, договаривались о минимально необходимом функционале
Разработкой сначала занимался вендор:
➕ Это сэкономило время и ресурсы внутренних команд
➖ Внешняя разработка обнаружила свои ограничения
С чем столкнулась наша команда:
🟣 Изначально не была настроена промышленная среда: быстро «починили», но удивились самому факту
🟣 Были по-разному реализованы стенды функционального и нагрузочного тестирования: выравнивание заняло больше месяца, тоже удивились
🟣 Не было доделано логирование: сначала его дорабатывал подрядчик, потом доделывали сами
🟣 Использовался устаревший софт: сами обновляли до актуальных версий и переустанавливали
🟣 Не было настроено бэкапирование: доделывали сами
Начав плотнее работать с системой, поняли, что нужны и другие доработки:
— Провели рефакторинг плэйбуков: переработали код системы, чтобы ускорить вывод моделей и повысить масштабируемость
— Разработали новый технический процесс: запустили новый пайплайн поставки моделей на боевую среду
— Доработали изначально непродуманный код
— Улучшили логику работы с Hadoop
Дальше решили автоматизироваться еще больше: разрабатываем автоматические тесты для моделей ML
🗣️ Наш вывод: за конвейером нужно бдительно следить, а, привлекая вендора, рассчитывать силы на то, чтобы быстро вносить доработки самим
Если было интересно, ставьте🔥 Будем чаще делиться подобными кейсами!
#aaa_MLOps #aaa_hardposting
Чем больше компаний осознают пользу от машинного обучения, тем чаще они задаются вопросом: «Как использовать умные технологии эффективнее?»
Эффективнее — это, во-первых, с доступным минимумом издержек, а во-вторых, с понятной пользой для бизнеса. Пользу обеспечивает скорость, с которой ML-модели «приземляются» на текущие процессы — её может дать автоматизация
Автоматизировать вывод моделей в продакшен — это, по сути, запустить непрерывный конвейер. Такой конвейер в Альфе начали строить 1,5 года назад. Из них полгода выбирали оптимальное архитектурное решение, инструментарий, договаривались о минимально необходимом функционале
Разработкой сначала занимался вендор:
С чем столкнулась наша команда:
Начав плотнее работать с системой, поняли, что нужны и другие доработки:
— Провели рефакторинг плэйбуков: переработали код системы, чтобы ускорить вывод моделей и повысить масштабируемость
— Разработали новый технический процесс: запустили новый пайплайн поставки моделей на боевую среду
— Доработали изначально непродуманный код
— Улучшили логику работы с Hadoop
Дальше решили автоматизироваться еще больше: разрабатываем автоматические тесты для моделей ML
Если было интересно, ставьте
#aaa_MLOps #aaa_hardposting
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9🔥8❤3🗿1
Рассказывали и будем рассказывать 🤩
Павел Николаев с командой разрабатывает централизованную промышленную инфраструктуру MLOps в Альфе и управляет процессами внедрения и поддержки моделей.
На конференции Saint HighLoad++ он выступил с докладом «Highload MLOps: ускорение и автоматизация», в котором рассказал, как большая команда Data Science может работать в условиях ограниченных вычислительных ресурсов и как оптимально запускать не менее 300 моделей на серверах 🎯
Презентацию к выступлению прикрепляем 🖇️
Как только появится запись выступления, мы поделимся ей в комментариях 👇
#aaa_MLOps
Павел Николаев с командой разрабатывает централизованную промышленную инфраструктуру MLOps в Альфе и управляет процессами внедрения и поддержки моделей.
На конференции Saint HighLoad++ он выступил с докладом «Highload MLOps: ускорение и автоматизация», в котором рассказал, как большая команда Data Science может работать в условиях ограниченных вычислительных ресурсов и как оптимально запускать не менее 300 моделей на серверах 🎯
Презентацию к выступлению прикрепляем 🖇️
Как только появится запись выступления, мы поделимся ей в комментариях 👇
#aaa_MLOps
👍10❤🔥6🔥6❤2🥰1🤩1
Как_сделать_автоматизированный_аналитический_отчет.pdf
15 MB
Как мы создаём автоматизированный аналитический отчёт 👨💻
Всем привет, меня зовут Лев Абрамов, я руководитель команды Feature Store и MMS, в нашей команде MLOps часто возникает запрос на проведение аналитики по данным из Jira. Однако встроенные инструменты, такие как easyBI, не всегда позволяют полностью решить поставленные задачи. Обычно это требует либо приобретения дополнительных модулей, либо написания собственного кода, что может быть довольно трудоёмким процессом.
Тем не менее, в Альфа-Банке у каждого есть всё необходимое для создания автоматизированного аналитического отчёта всего за 15 минут. Всё, что вам потребуется, — это ссылка на проект в Jira и установленный Power BI.
Как это сделать? Подробную инструкцию вы найдёте в файле 👆
Мы используем этот метод для отслеживания динамики работы команды, расчёта нашей загрузки по спринтам и анализа ключевых показателей успеха проектов 🎯
#aaa_MLOps
Всем привет, меня зовут Лев Абрамов, я руководитель команды Feature Store и MMS, в нашей команде MLOps часто возникает запрос на проведение аналитики по данным из Jira. Однако встроенные инструменты, такие как easyBI, не всегда позволяют полностью решить поставленные задачи. Обычно это требует либо приобретения дополнительных модулей, либо написания собственного кода, что может быть довольно трудоёмким процессом.
Тем не менее, в Альфа-Банке у каждого есть всё необходимое для создания автоматизированного аналитического отчёта всего за 15 минут. Всё, что вам потребуется, — это ссылка на проект в Jira и установленный Power BI.
Как это сделать? Подробную инструкцию вы найдёте в файле 👆
Мы используем этот метод для отслеживания динамики работы команды, расчёта нашей загрузки по спринтам и анализа ключевых показателей успеха проектов 🎯
#aaa_MLOps
❤18🔥12👏4💘2👍1🌚1🤝1🆒1😎1
Как быстро найти всё и сразу?
Мы подготовили удобный «маршрут» по каналу, чтобы вы не потерялись в потоке контента. Просто кликайте на теги и изучайте посты на интересующие вас темы:
🔍 Экспертные статьи и разборы по Data Science, Data Engineering и MLOps – #aaa_hardposting #aaa_DS #aaa_DE #aaa_MLOps #aaa_habr
👥 Истории и опыт специалистов Альфы – #aaa_experts
🎭 Мемы и лёгкий контент про аналитику – #aaa_fun
📅 Анонсы митапов, конференций и мероприятий – #aaa_events
🚀 Вакансии, карьерные советы и полезные ресурсы – #aaa_career
Вступайте в чат канала — будем обсуждать DS, DE и MLOps, делиться опытом, отвечать на ваши вопросы и устраивать специальные розыгрыши.
Присоединяйтесь — развиваем комьюнити вместе 🚀
Мы подготовили удобный «маршрут» по каналу, чтобы вы не потерялись в потоке контента. Просто кликайте на теги и изучайте посты на интересующие вас темы:
🔍 Экспертные статьи и разборы по Data Science, Data Engineering и MLOps – #aaa_hardposting #aaa_DS #aaa_DE #aaa_MLOps #aaa_habr
👥 Истории и опыт специалистов Альфы – #aaa_experts
🎭 Мемы и лёгкий контент про аналитику – #aaa_fun
📅 Анонсы митапов, конференций и мероприятий – #aaa_events
🚀 Вакансии, карьерные советы и полезные ресурсы – #aaa_career
Вступайте в чат канала — будем обсуждать DS, DE и MLOps, делиться опытом, отвечать на ваши вопросы и устраивать специальные розыгрыши.
Присоединяйтесь — развиваем комьюнити вместе 🚀
❤🔥11👏4🥰3