Когда мы учимся машинному обучению, большая часть времени уходит на данные, модели и метрики. Поэтому легко представить, что и работа ML-инженера устроена примерно так же: подготовил данные, обучил модель, улучшил качество и выкатил её в прод.

В реальном BigTech обучение моделей – только одна часть работы.

У нас на YouTube, в ВК и Дзен вышло видео, где Александр Дубейковский (ML Engineer в Авито, эксперт MLinside, ex-Яндекс) рассказывает, из каких задач на самом деле состоит работа ML-инженера: от аналитики и проверки гипотез до backend-разработки, инфраструктуры, экспериментов и развития ML-систем после релиза.

Смотрите на удобной площадке:
https://youtu.be/3fl93ETxUjE
https://vkvideo.ru/video-228219607_456239327?pl=-228219607_1
https://dzen.ru/video/watch/6abfa4c5c990f33951bd894e