Прототипирование и разработка ML-сервисов

Магистратура 2026/2027

ID 1147928

Статус: Курс обязательный (Прикладные нейросетевые технологии)

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 1-й курс, 2, 3 модуль

Охват аудитории: для своего кампуса

Язык: русский

Кредиты: 6

Контактные часы: 48

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс нацелен на получение навыков создания прототипов ML-сервисов. Студенты изучают этапы процесса разработки, знакомятся с основным стеком технологий, включая инструменты веб-интерфейсов, организацию HTTP-запросов, использование баз данных, интеграцию ML-моделей и функционала LLM по API. Курс нацелен на большое количество практики для закрепления полученных знаний.

Цель освоения дисциплины

Научиться организовывать Python-проект: изолированное окружение, управление зависимостями, разделение кода на модули.
Понять клиент-серверную модель, проектировать и реализовывать архитектуру REST API, освоить разработку веб-интерфейсов и бэкенда приложения.
Научиться внедрять ML-модели в разрабатываемые сервисы, корректно выбирать метрики оценки качества, визуализировать результаты.
Использовать систему контроля версий для гибкого управления проектом.

Планируемые результаты обучения

Работать в терминале, включая перемещение по файловой системе, запуск программы, читать сообщения об ошибках.
Создавать виртуальное окружение, устанавливать зависимости и фиксировать их для воспроизводимого развёртывания.
Вести историю проекта в Git и публиковать репозиторий на GitHub через терминал.
Создавать многостраничное веб-приложение на Streamlit с виджетами, таблицами и графиками, применением состояния и кэширования.
Встраивать ML-модели, оценивать эффективность их работы и визуализировать предсказания в понятном пользователю виде.
Проектировать REST API на FastAPI: описывать схемы pydantic, использовать валидацию входных данных, возвращать корректные коды ответа.

Содержание учебной дисциплины

Введение: из чего состоит ML-сервис; слои и роль каждого. Установка окружения, первый скрипт.
Система контроля версий: рабочая папка, индекс, коммит, ветки. Единый стиль кода и статический анализ.
HTTP: запрос и ответ, методы, коды состояния. JSON. Понятие эндпоинта API.
Pandas в объёме, нужном интерфейсу: фильтрация и агрегация загрузка данных, графики, фильтры. Табличные данные и первый DataFrame.
Кэширование данных и ресурсов. Многостраничные приложения. Безопасное хранение секретов.
Машинное обучение: признаки и целевая переменная, обучение и честная оценка, конвейер предобработки.
Бэкенд на FastAPI: маршруты, параметры пути и запроса, автодокументация (/docs). Демо Telegram-бота.
LLM по API: ключи, роли сообщений, токены, параметры генерации. Первый вызов модели.
Разработка чат-бота: контекст диалога, привязка к мессенджеру, интеграция в сервис.
Сессии, Depends; операции CRUD с базой; тесты pytest.
История предсказаний и статистика. Структура проекта: модули, роутеры, конфигурация.
Docker – контейнеризация, Kubernetes.

Элементы контроля

Домашнее задание 1. Приложение Streamlit: данные из трёх и более эндпоинтов API.
Мини-сервис с двумя и более эндпоинтами публичных API: общий модуль логики, над ним консольный и Streamlit-интерфейс. Сдаётся репозиторием GitHub.
Домашнее задание 2. Интеграция MLмодели в приложение.
Приложение с ML-моделью на выбранных данных: страницы данных, предсказания и истории, графическое отображение.
Финальный проект
Приложение с интегрированной ML-моделью, чат-ботом, базой данных. Развёртка на сервере. Сервис целиком: Streamlit-интерфейс обращается к бэкенду по HTTP; добавлена функция на основе большой языковой модели.
Экзамен
Часть 1. Синхронный экзамен, студент отвечает на вопросы из заранее опубликованных тем. Часть 2. Live-кодинг.

Промежуточная аттестация

2026/2027 3rd module
Итог = Округление (0,20 · ДЗ-1 + 0,25 · ДЗ-2 + 0,30 · Финальный проект + 0,25 · Экзамен), где ДЗ-1, ДЗ-2, - оценки за домашние задания, Финальный проект - оценка за финальный проект, Экзамен - оценка за экзамен. Все оценки выставляются по десятибалльной шкале.

Список литературы

Авторы

Ахмедова Гюнай Интигам кызы

Программа дисциплины