LeanDS

MLOps: жизненный цикл ML-моделей от идеи до продакшна, Евгений Никитин

Особенности внедрения LeanDS в консталтинге в пустыне, или как мы перестали бояться и полюбили бэклог, Павел Голубев

Релиз LeanDS верси 1.0
Темы:
✅ AI Canvas. Как составить техзадание
✅ Story Mapping. Как Как спроектировать продукт с AI составляющей
✅ Гипотезы. Как формулировать гипотезы
✅ ICE/RICE. Как приоритезировать продуктовые гипотезы
✅ Каскадирование метрик. Как оценить ROI от продукта
✅ Mercedes Decomposition. Как разбить гипотезу на небольшие работы
✅ Канбан. Как управлять работами

🤜 Ссылка на Miro: https://cntr.click/vv6CaQV

В 19-00 (через час!) начинаем митап 👆

ОНЛАЙН-МИТАП по управлению в DS
Начинаем в LeanDS новый сезон бесплатных онлайн митапов. В этот раз представим текущую версию LeanDS и новый кейс использования, а также поговорим о практиках ML Ops

🟢 Текущая версия Lean Data Science 1.0 (SOTA), Асхат Уразбаев, основатель LeanDS
🟢 LeanDS в консалтинге в пустыне, или как мы перестали бояться и полюбили бэклог, Павел Голубев, ex-Principal Data Scientist, Reaktor Dubai / Head of Fraud Analytics, The Beat Research, Amsterdam
🟢 MLOps: жизненный цикл ML-моделей от идеи до продакшна,
Евгений Никитин, Head of AI, АО Калуга Астрал

⏰ Среда 3 февраля в 19-00
Подробности и регистрация: https://leands.timepad.ru/event/1540178/

Как строить структуру команд?
Дошли руки посмотреть видео Владимира Лагутинского “Дата команда. Цели , структура и управление”. Очень интересно рассказывается о структуре дата-команд. Под такими командами подразумеваются команды, сфокусированные на помощи бизнесу в принятии решений внутри организации. Владимир двигается от централизованной дата-команды, представляющей сервис для всех пользователей организации до различных распределённых вариантов. Централизованный сервис масштабируется плохо. Запросы бизнеса растут и такая команда не способна адекватно с ними справляться. Распределенные структуры (продуктовые команды с включенными туда дата-аналитиками и дата-инженерами) в целом эффективнее, но для этого каждую продуктовую команду придется снабдить дополнительно сотрудниками, что может оказаться дорогим удовольствием.
Для полноты картины немного не хватает описания Data Mesh как способа архитектурно и структурно децентрализовать работу с данными. О Data Mesh рассказывал Дмитрий Шостко у нас на митапе. Идея кратко в следующем: вместо одного DWH / Data Lake на организацию стоит разделить данные на несколько бизнес-доменов, каждый из которых поддерживает своя дата-команда. Перевод статьи от автора подхода Zhamak Dehghani есть на хабре.

Михаил Перлин (выступал у нас на митапе) создал каталог требований к AI продукту. Это по-сути хороший чеклист правильных вопросов, специфических для AI, которые нужно задать на первых этапах создания продукта. Ответы на вопросы вскроют риски и могут привести к новым требованиям. Очень рекомендую в закладки каждому владельцу продукта или DS лиду.

https://github.com/ttzt/catalog_of_requirements_for_ai_products

Очень приличный и, как мне показалось, довольно исчерпывающий обзор на тему проведения Code Review в двух частях от Michael Lynch
https://mtlynch.io/human-code-reviews-1/
https://mtlynch.io/human-code-reviews-2/
Если у каждой вашей команды в организации строго закрепленный за ней кусок кода, то вы гарантированно имеете узкое место. Баклог выстраивается по своей логике и технически невозможно идеально сбалансировать команды, раскидав их по кодовой базе. Не говоря уже о том, что неизбежно часть кода затрагивается большим количеством команд, так что либо нужно терпеть постоянные зависимости на одну команду, либо стоит разрешить менять один код сразу нескольким командам. Как контролировать при этом качество кода?
Видео о том, как проводить ревью кода на большом масштабе в крупной организации с более-менее совместным владением кода между различными командами.
https://youtu.be/2F6J82-Ch88
Ссылки от ребят из @xpinjection_channel

👉Онлайн курс “Управление проектом и продуктом с LeanDS”

10 февраля начинается первый в этом году онлайн-курс Lean Data Science Practitioner. В этот раз он пройдет в формате Интенсива.
Что это значит? Курс будет проходить три дня подряд в рабочее время — с 10-00 до 16-00 с перерывом на обед по 5 часов в день.
На курсе мы изучаем методику LeanDS — упакованный опыт управления DS проектами и продуктами.
Проходим весь путь создания ML продукта — от идей, оценки экономической эффективности, проектирования, планирования, оценки до деталей управления проектом
✅🤼‍♂️Практика. Занятия состоят из небольшого количества обязательной теории и много практики, где мы совместно решаем реальные кейсы и отвечаем на вопросы.
✅👀Видео. Дополнительно вы получаете доступ к видео. Они состоят из небольшого количества видео по “ядру” LeanDS и множества дополнительных по самым разным аспектам управления DS — от сбора команды до управления ожиданиями заказчика в заказной работе.
🎤Ведущие курса Асхат Уразбаев, Алексей Могильников и Юлия Рубцова
🗓 Курс пройдет с 10 по 12 февраля
Осталось 11 мест
ПРОМОКОД (25% скидка для читателей этого канала — leands25)
Регистрация и подробности: https://leands.university/leands-intensive

Новый вебинар от Романа:

Друзья, приветствую всех!
Вот и польза подоспела сразу после праздников.
В среду (13 января) в 20:00 по мск вебинар!

Тема: Data команда. Цели, структура и управление
Спикер: Владимир Лагутинский, профессионал с 10-ти летним опытом в данной теме
🔔 Что нужно сделать:
📌 Перейти по ссылке и поставить колокольчик, чтобы в понедельник не пропустить
📌 Отложить все дела на понедельник
📌 В среду в 20:00 быть на вебинаре

Всех обнял, до встречи в эфире 🤗
И ПОДПИШИТЕСЬ НА НАШ ЮТУБ
https://youtu.be/NLOq7GC7zA8

ВИДЕО “Ловушки разработки ML-сервисов на примере рекламных технологий ВКонтакте”

Очень интересный доклад от Артема Попова из Вконтакте с VK Tech Talks. Артем рассказывает, какой путь они прошли и чему научились по ходу. Куча примеров как надо и как не надо, очень важные рассуждения о том, почему вся команда должна вовлекаться в управление продуктами, a не заниматься “чистым DS”, что двигаться нужно от простого к сложному. Артем очень хорошо рассказывает, к тому же снять все профессионально, рекомендую 🙂
А конце ссылка на наше сообщество, что очень приятно. Кстати, Артем — выпускник нашего курса по LeanDS.

https://vk.com/wall-147415323_8285

ВИДЕО с LeanDS#12
✅ Архитектура AI продуктов, Михаил Перлин
‼️В описании к видео список литературы от Михаила❗️

Если хотите разобраться в теме архитектуры ПО — вот список книг, который рекомендует Михаил Перлин:

👉 The pragmatic programmer. Если начинающему программисту надо порекомендовать ровно одну книгу, то это она. Про именно архитектуру там не много, но книга точно сделает вас лучшим архитектором
👉 Python Microservices Development - просто потому что вы как DS вероятно используете Python, а микросервисы - самая популярная архитектура
👉 Fundamentals of Software Architecture: An Engineering Approach - фундаментальная книга про архитектуру.
👉 Designing Data-Intensive Applications - про технические и архитектурные решения в случаях, где данные играют главную роль. К ней есть набор лекций в youtube. И книга и видео местами очень продвинутого уровня
👉 Release it - как создавать системы, не ломающиеся в продакшн
👉 Machine learning system design pattern - архитектурные решения, типичные для DS/ML систем
👉 ATAM: Method for Architecture Evaluation - на вопрос что делать если об архитектуре не удается договориться. Методика позволяет оценить насколько предлагаемая архитектура отвечает требованиям. Довольно затратно по времени, поэтому если применять для мелочей, нужен какой-то упрощенный вариант

Слайды “Архитектура AI продуктов”, Михаил Перлин

17 декабря в 19:30 — онлайн вебинар “Архитектура AI продуктов ”

✅Как дата сайнтистам и продактам справиться с архитектурой AI продуктов
Михаил Перлин, ML Engineer @ Volkswagen

Счастливый момент: ML модель покидает ноутбук, чтобы начать приносить пользу бизнесу. Перед DS встает вопрос, как ее интегрировать: возможностей обычно немало, надо принять множество разнообразных решений, и часто непонятно, как к ним подойти. Архитектура ПО - дисциплина, которая за это отвечает. Что она включает в себя? Каких скиллов и качеств требует? Могут ли DS ею овладеть? Кого звать на помощь, если нужно прямо сейчас?
Доклад меньше про технологии и больше про процессы, стратегии и людей.

Вебинар будет проводится в Zoom
🗓Дата: четверг 17 декабря в 19-30 по Москве

Регистрация

ВИДЕО с МИТАПа LeanDS#11. Убийцы плохих идей: визуализация, приоритезация и AI Canvas

👉*Зачем и как нужно визуализировать данные перед внедрением DS*
Павел Логинов, Руководитель продуктов Big Data Beeline по развитию конвергентного бизнеса.
👉*Приоритизация DS бэклога: модифицированный ICE для крупных компаний*, Бакунин, лидер кластера Data Science, исполнительный директор, Сбербанк
👉 *Как мы используем AI Канвас в БигДате МТС*, Мария Ракитина, менеджер продуктов МТС

Доклад Как мы используем AI Канвас в БигДате МТС, Мария Ракитина, менеджер продуктов МТС