Работа с большими данными требует своих подходов к разработке, тестированию и деплою. Как организовать дата-пайплайн так, чтобы он был надёжен и прозрачен? Приходите на доклады секции «MLOps и Data Engineering» — здесь пересекаются DevOps и ML, раскрывая новые горизонты развития для инженеров и аналитиков.

1) GitOps для AirFlow. Как мы перешли на легковесный К8s-native Argo Workflow. Александр Егоров (KTS, Альфа-Банк)

Узнайте, как оптимизировать MLOps с помощью ArgoWorkflow! Доклад представит уникальный опыт упрощения процессов, отказа от сложных экосистем и перехода к эффективному GitOps-управлению. Вы получите готовые решения для сокращения издержек и ускорения внедрения ML.

2) Внедрение больших языковых моделей локально: практический путь к высокой производительности и стабильности. Никита Венедиктов (Raft)

Вы любопытствующий гик или инженер, который хочет разобраться, как разворачивать локальные LLM-модели, чтобы посмотреть, как они устроены, и какие задачи могут решать? Приходите на доклад и узнаете, как настроить инференс LLM так, чтобы хватало GPU и ничего не тормозило.

3) Как мы распилили коммунальный Airflow: натягиваем микросервисы на MLOps. Роза Морозенкова (Купер (ex СберМаркет))

Доклад о том, как жить в airflow, когда его используют много людей и команд. Как распилить коммунальную репу с тысячами дагов и не потеряться. Как дать возможность каждому сделать свой собственный airflow-сервис по кнопочке.

Встречаемся 7 и 8 апреля в Москве на DevOpsConf 2025, присоединяйтесь к нам 🙌

✅ Программа конференции и билеты на сайте