प्रैक्टिकम 2: end-to-end ML system, ingestion से serving तक
End-to-end ML-सिस्टम: कच्चे डेटा से production serving तक
फ़ैकल्टी की पुष्टि होना बाकी है
कोर्स के बारे में
स्टूडेंट्स छोटी टीमों में एक वास्तविक डेटासेट पर पूरी ML-सिस्टम बनाते हैं: ingestion, feature engineering, training, CI/CD, deployment और monitoring। यह प्रैक्टिकम MLOps और Reliable ML कोर्सों के ज्ञान को production जैसी परिस्थितियों में मज़बूत करता है। परिणाम — एक कार्यशील सेवा, जिसका SLO दस्तावेज़ीकृत हो और जिसकी पहली iteration का postmortem तैयार किया गया हो।
आप क्या सीखेंगे
✓2-3 लोगों की टीम के साथ ज़िम्मेदारियों के बँटवारे सहित end-to-end ML-सेवा को implement करना
✓SLO (latency, availability, accuracy) का दस्तावेज़ीकरण करना और लोड टेस्टिंग करना
✓root cause analysis सहित पहली production-iteration का postmortem लिखना
मुख्य विषय
•ML की टीम-आधारित डेवलपमेंट: भूमिकाएँ, Git workflow, code review
•Great Expectations / Pandera के साथ ingestion और data validation
•dbt या Feast के साथ feature engineering pipeline
•experiment tracking (MLflow/W&B) सहित training pipeline
•versioning सहित REST/gRPC-सेवा की deployment
•लोड टेस्टिंग और latency profiling
•production में drift monitoring और alerting
यह विवरण स्वतः जनरेट किया गया है और अभी तक किसी फ़ैकल्टी सदस्य द्वारा जाँचा नहीं गया है — यह चर्चा हेतु एक ड्राफ़्ट है।