6.1.1Пути данных в ML-системесредний6.1.2Качество данных и версионированиесредний6.2.1Событийная модель и Apache Kafkaсложный6.2.2Kafka на практике в Kubernetesсложный6.2.3MLOps-паттерны с Kafkaсложный6.3.1Распределённая обработка и Apache Sparkсложный6.3.2Spark для ML-пайплайнасложный6.3.3Ограничения Spark и когда не использоватьсложный6.4.1Зачем нужен Feature Storeсложный6.4.2Feast на практикесложный6.4.3ADR: нужен ли Feature Storeсложный
Программа курса
Путь: foundation → core → элективы
107 занятий, уровни сложности и лаборатории. Поиск и фильтры — в разделе Поиск.
Блок 06
Данные для ML
Kafka, Spark, Feature Store
~5 нед. · 11 занятий