Machine Learning Platform Engineering: Build an internal developer platform for ML and AI systems
Эта книга представляет собой практическое руководство по созданию внутренней платформы разработчика (Internal Developer Platform, IDP) для машинного обучения и искусственного интеллекта. Авторы детально рассматривают процесс проектирования и внедрения надежных ML-систем, объединяя принципы MLOps с современными облачными технологиями.
В первой части книги закладывается фундамент MLOps, объясняется жизненный цикл машинного обучения, его отличия от DevOps и роль в зрелых организациях. Особое внимание уделяется построению приложений на Kubernetes, работе с контейнерами (Docker), оркестрации, CI/CD (GitLab CI, Argo CD) и мониторингу (Prometheus, Grafana).
Вторая часть посвящена созданию ключевых возможностей ML-платформы. Читатели научатся использовать MLflow для отслеживания экспериментов и управления моделями, Feast в качестве хранилища признаков (feature store), а также проектировать надежные ML-системы. Книга охватывает полный путь — от экспериментов до развертывания и мониторинга моделей в production-среде.
Издание ориентировано на инженеров машинного обучения, ML-платформенных инженеров, DevOps-специалистов и архитекторов, стремящихся автоматизировать и стандартизировать процессы разработки и эксплуатации ML/AI-решений в своих компаниях.
