$ sudo teach|
    $ sudo teach|
    IT school
  • Telegram
  • Все курсы
$ sudo teach IT
OOO "SALEPROFIT"Контакты и реквизитыIT-Park Logo

Школа

  • Блог
  • Проверить сертификат

Сотрудничество

  • Стать учителем
  • Партнёрская программа
  • О проекте

Право

  • Оферта
  • Политика конфиденциальности

© 2023–2026 $ sudo teach IT™. All Rights Reserved. Public user contributions licensed under CC BY-SA 4.0 license with attribution required
TelegramGitHubYouTube
AI-помощник
Обновлен 16.11.2026

MLOps на Python: MLflow, DVC, FastAPI и мониторинг моделей

Выведите ML-модель в продакшн по-взрослому: версии данных, реестр моделей, сервис в Docker, CI/CD, мониторинг дрейфа и переобучение.

Практические задания
Помощь от учителя
Поддержка 24/7
  • 45 уроков
  • 45 тестов
  • ИИ-помощник
  • Сертификат
  • Навсегда
MLOps на Python: MLflow, DVC, FastAPI и мониторинг моделей


Программа курса

10 разделов • 45 уроков

1

Старт

1.4. Практикум: воспроизводимый старт
2

Версии данных

2.1. Зачем версии данных
2.2. Удалённое хранилище
2.3. Конвейер dvc.yaml
2.4. Метрики и эксперименты DVC
2.5. Практикум: новая версия данных
3

Эксперименты

3.1. Сервер MLflow
3.2. Логирование обучения
3.3. Сравнение запусков
3.4. Практикум: подбор параметров
4

Реестр моделей

4.1. Модель как артефакт
4.2. Версии и алиасы
4.3. Проверка перед выпуском
4.4. Практикум: первый чемпион
5

Сервис на FastAPI

5.1. Модель за API
5.2. Модель из реестра
5.3. Валидация входа
5.4. Тесты сервиса
5.5. Практикум: API «Минутки»
6

Контейнеры

6.1. Образ с моделью
6.2. Compose для MLOps
6.3. Формат ONNX
6.4. Задержка и нагрузка
6.5. Практикум: всё в Compose
7

CI/CD

7.1. CI для ML-проекта
7.2. Проверка данных
7.3. Обучение в CI
7.4. Образ и выкатка
7.5. Практикум: от PR до образа
8

Мониторинг

8.1. Почему модели стареют
8.2. Журнал предсказаний
8.3. Метрики в Prometheus
8.4. Дрейф данных
8.5. Качество модели в проде
8.6. Практикум: пришла зима
9

Жизненный цикл

9.1. Переобучение по сигналу
9.2. Теневой режим
9.3. Откат и происхождение
9.4. Облака для ML
9.5. Практикум: автопереобучение
10

Финал

10.1. Практикум: финальный проект
10.2. Куда дальше

Преподаватели

Изучите преподавательский состав

avatar

Тимур Сагитов

Эксперт

Инженер-программист, Senior Python Developer. Основатель школы $ sudo teach IT и автор YouTube-канала о программировании с более чем 5 млн просмотров.


Отзывы о курсе

0 отзыва

Войдите в аккаунт, чтобы оставить отзыв о курсе

В курсе

  • 10 модулей · 45 уроков
  • 45 тестов на понимание
  • ИИ-помощник прямо в уроке
  • Сертификат об окончании
  • Доступ навсегда
Python
MLOps
MLflow
DVC
FastAPI
Docker
GitHub Actions
Evidently
Prometheus
Grafana
scikit-learn