• Как деплоить, скейлить и управлять жизненным циклом ML/DL-моделей в продакшене?
• Как настроить процесс дообучения и переобучения модели в продакшне, чтобы было отказоустойчиво?
• Как версионировать модели при разработке и код пайплайнов в целом?

• Как деплоить, скейлить и управлять жизненным циклом ML моделей?
• Как настроить процесс дообучения и переобучения модели?
• Как выстраивать масштабируемые микросервисы для моделей машинного обучения?
• Как версионировать модели при разработке и код пайплайнов?
• Как организовать методологию/инфраструктуру экспериментов с данными?
• Как организовать хранилище моделей и промежуточных датасетов?

• Как организовать методологию экспериментов с данными?
• Зачем нужна воспроизводимость экспериментов и моделей?
• Как ее добиться?

Страховая отрасль всегда была достаточно консервативна, к тому же в финансовом секторе в России банки опередили страхование по развитию на десятилетия. Но последние годы многие страховые компании инвестируют в цифровизацию и развитие анализа данных наравне с технологичными отраслями. Докладчик расскажет про то, какие проекты можно и нужно делать, как избежать классических ошибок, какую пользу проекты приносят или принесут в будущем, как оценивать эффект от внедрений и поделится идеями для желающих попробовать себя в этой открывающейся для новых способов анализа данных отрасли.

Доклад будет интересен менеджерам и новичкам в машинном обучении и анализе данных.

• Как начать изучать RL?
• Есть ли RL без DL?
• Соревнования по RL: полезно ли учавствовать?
• Практика DRL в проде, есть ли какие успешные кейсы?
• RL research малыми силами - возможно ли это?
• Быть в курсе современного RL - как за всем успеть?