С развитием машинного обучения практически в каждой крупной IT-организации встает проблема внедрения ML-решений и грамотного системного анализа для их развития. Поговорим о следующем:
- для каких моделей важно получать данные в real time, а какие работают в оффлайн режиме - и как это влияет на архитектуру;
- как выстраивать интеграции между ML-компонентами и бекендом;
- как рассчитывать нагрузку для ML компонентов;
- подробно рассмотрим несколько возможных вариантов архитектуры для разных моделей на реальных примерах.