Собираем ML-платформу на базе Kubernetes: Yandex Cloud, JupyterHub, Dask и S3🚀

Алиса, DevOps-инженер в KTS, рассказала на Хабре, как собрать платформу для данных, в которой аналитики и ML-инженеры могут комфортно работать.

Внутри:

💚зачем выносить ML-нагрузку в отдельный кластер
💚как подружить JupyterHub, S3 и Kubernetes
💚где в этой схеме появляется Dask
💚и какие проблемы всплывают (спойлер: cold start у S3 😅)

Если интересно, как выглядит инфраструктура, где можно спокойно работать с данными и не ломать прод — обязательно к прочтению.