Выпускной проект: планирование

End-to-end ML продукт: от данных до продакшна

End-to-endreal

Полный пайплайн

1 неделяsprint

Дедлайн

100%all-in-one

Технологий курса

Portfoliocareer

Для резюме

AI Insight

Лучшие выпускные проекты прошлых потоков: 1) Прогноз цен на аренду (MAPE 8%), 2) Детекция мошенничества для fintech (AUC 0.96), 3) RAG-система для юридических документов (95% accuracy).

Ключевые темы

Выбор задачи: реальный бизнес-кейс, а не toy dataset — churn, fraud, demand, NLP

Архитектура: data source → DWH → feature store → model → API → monitoring

Timeline: 1 неделя = сбор данных + модель + деплой + презентация

Технический стек: весь курс в одном проекте — от Scrapy до MLflow

Оценка проекта: код, модель, деплой, документация, бизнес-эффект

Аналитика и графики

Старый подход vs AI-подход

🪦Старый век

🚀Новый век

ML проект

Jupyter ноутбук с моделью — не показать

∞

Полный продукт: API + Docker + мониторинг

Инструменты урока

All course tools

Домашнее задание

Практическое задание

Выберите бизнес-задачу. Составьте план проекта: 1) Источник данных, 2) Модель, 3) API, 4) Мониторинг. Подготовьте README с архитектурной схемой.

Урок 58 из 59

MLflow и мониторинг моделей

Demo Day: презентация проектов