Бакалавриат
2026/2027




Проектирование и эксплуатация систем машинного обучения
Статус:
Курс по выбору (Прикладная математика и информатика)
Кто читает:
Базовая кафедра МТС
Где читается:
Факультет компьютерных наук
Когда читается:
4-й курс, 1, 2 модуль
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
5
Контактные часы:
56
Программа дисциплины
Аннотация
Разработать модель машинного обучения недостаточно: чтобы она приносила пользу, необходимо встроить её организовать работу с данными, настроить развёртывание, обновление модели и мониторинг сервисов.
На курсе вы разберёте полный жизненный цикл ML-системы — от постановки бизнес-задачи и определения требований до запуска и эксплуатации модели в production. Вы познакомитесь с инструментами подготовки и оркестрации данных, контейнеризации, CI/CD, трекинга экспериментов и мониторинга.
Отдельный блок будет посвящён инфраструктуре для эксплуатации больших языковых моделей: развёртыванию, нагрузочному тестированию, мониторингу и оптимизации производительности production LLM.
Итогом курса станет проектирование ML-системы и презентация вашей собственной разработки.
Цель освоения дисциплины
- Цель освоения: дать студентам системное понимание архитектуры ML-систем и инструментов MLOps, научить проектировать и поддерживать end-to-end решения от данных до продакшн-сервисов. По окончании курса студент будет уметь: - описывать жизненный цикл ML-системы и роли участников процесса - работать с современными инструментами хранения и обработки данных (MPP, Kafka, ClickHouse, DBT и др.) - создавать Docker-контейнеры и развертывать ML-сервисы - строить пайплайны с использованием Airflow и CI/CD - организовывать мониторинг моделей и отслеживание сдвигов данных - применять практики интерпретируемости и объяснимости моделей - проектировать масштабируемую ML-инфраструктуру
Планируемые результаты обучения
- Классифицировать системы машинного обучения
- Понимание целей курса, use cases, отличия research и production ML
- Знание принципов MLOps и роли инженерных практик в ML
- Определение бизнес-целей и требований к ML-системам
- Умение различать архитектуры ETL/ELT, применять MPP-системы
- Навыки семплирования, очистки и подготовки обучающих данных
- Создание контейнеров и деплой ML-сервисов
- Методы кодирования, борьбы с утечками, инженерии фич
- Построение и настройка пайплайнов CI/CD
- Проведение обучения и оценка моделей офлайн и онлайн
- Навыки работы с Kafka: продюсеры, консьюмеры, интеграция с ML
- Отличие batch и online прогнозирования, деплой моделей как сервисов
- Создание DAG-ов, организация исполнения пайплайнов
- Отслеживание деградации моделей и сдвигов распределений
- Умение хранить и анализировать большие объёмы данных
- Настройка CI для данных и моделей, A/B-тестирование в продакшне
- Построение трансформаций данных через декларативные модели
- Методы объяснимости и интерпретации решений ML
- Создание, хранение и переиспользование признаков
- Конструирование устойчивых и воспроизводимых пайплайнов
- Архитектура масштабируемых ML-систем и распределённые решения
Содержание учебной дисциплины
- Введение в курс и обзор ML-систем
- MLOps и основы инженерии данных
- Проектирование систем ML
- Хранилища данных и системы MP
- Данные для обучения
- Docker для ML-приложений
- Разработка признаков
- CI/CD в MLOps
- Разработка модели и её оценка
- Потоковые данные и Kafka
- Сервисы прогнозирования моделей
- Airflow и ML-пайплайны
- Сдвиги данных и мониторинг
- ClickHouse для MLOps
- Непрерывное обучение и тестирование
- DBT и трансформация данных
- Интерпретируемость моделей
- Feature Store
- Проектирование ML-пайплайнов
- Масштабируемая инфраструктура ML
Промежуточная аттестация
- 2026/2027 2nd moduleИтоговая оценка = 0,6 × средний балл за домашние работы № 1–7 + 0,4 × оценка за итоговый проект
Список литературы
Рекомендуемая основная литература
- Шелухин, О. И. Искусственный интеллект и машинное обучение в кибербезопасности : учебно-методическое пособие / О. И. Шелухин, А. В. Осин, Д. И. Раковский. — Москва : МТУСИ, 2022. — 52 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/333755 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Рекомендуемая дополнительная литература
- Машинное обучение без лишних слов - 978-5-4461-1560-0 - Андрей Бурков - 2020 - Санкт-Петербург: Питер - https://ibooks.ru/products/367991 - 367991 - iBOOKS