Продукты
Кейсы
Документация
Блог
О компании
О компании
Юридические документы
Вакансии
Контакты
Партнерская программа
Вход / Регистрация
AI Cloud ML Space. Руководство пользователя
  • Обзор ML Space
    • Преимущества
    • Возможности
    • Параметры оборудования
    • Ограничения и особенности
    • Навигация
    • Профиль
      • Workspace
      • Параметры разработчика
    • Кейсы применения
      • Клиенты SberCloud
        • Обучение модели ruGPT-3
        • Обучение модели генерации текста
        • Обучение модели обработки текста
        • Сервис расшифровки снимков компьютерной томографии легких
        • Голосовой ассистент семейства "Салют"
        • Обучение модели для работы чат-бота
        • Решение задачи по сопоставлению фотографий
        • Автоматизация креативов для мультиплатформенного размещения рекламы
      • SberCloud (DSaaS)
        • Предсказание вероятности сделки между клиентом и водителем для сервиса такси
        • Определение качества угля для промышленной компании
        • Оптимизация процесса выдачи скидок партнерам для производителя электроники
        • Классификация фотографий для сервиса хранения документов
        • Повышение точности прогнозирования спроса для сети ресторанов быстрого питания
        • Подбор исполнителей для выполнения заказов клининговой компании
        • Разработка алгоритма подбора спортивной дисциплины на основе индивидуальных особенностей человека
        • Классификация фотографий сцены происшествия для страховой компании
        • Определение качества фотографии для страховой компании
        • Определение типа отделки по фотографиям для страховой компании
    • Начало работы
  • Быстрый старт
    • Быстрый старт по работе с Data Catalog
    • Быстрый старт по работе с Deployments
    • Быстрый старт по работе с Environments
    • Базовый сценарий использования сервиса AutoML
    • Продвинутый сценарий использования сервиса AutoML
  • Data Catalog
    • Работа с данными
      • Data transfer service
      • Загрузка и хранение данных
        • Действия над папками и файлами
      • Управление данными
    • Artifact registry
      • Docker registry
        • Начало работы
        • Базовые концепции
        • Сценарии использования
        • Кастомные Docker-образы
      • Model registry
      • Dataset registry
  • Environments
    • Создать окружение
      • Загрузка файлов
      • Jupyter Server (конфигурация Default)
        • Регионы размещения ресурсов
        • Действия над Jupyter Server
        • Кластер Spark
        • Работа из терминала Jupyter Notebook/JupyterLab
      • GitLab CI при работе с Environments
      • Подключение по ssh
      • Задачи обучения
        • Процесс обучения
        • Использование ресурсов
        • Сохранение промежуточных результатов обучения (checkpoints)
        • Установка библиотек из склонированного Git-репозитория
        • Подключение по SSH к исполняемой на кластере задаче обучения
        • Пример обучения модели с использованием библиотеки Horovod
        • Советы по оптимизации процесса обучения
      • Препроцессинг данных
      • Образы, используемые на платформе ML Space
        • Библиотеки в образах Jupyter Server
        • Библиотеки в базовых образах
    • Задачи и окружения
    • Мониторинг моделей
      • Загрузка оборудования
      • Мониторинг моделей
    • Эксперименты
  • Deployments
    • Деплои
      • Регионы размещения ресурсов
      • Загрузка файлов
      • Развертывание модели
        • Карточка деплоя
      • Сборка образов
      • Сборка кастомного Docker-образа для Inference
      • Сборка кастомного образа на основании базового
      • Скрипты для прогнозирования на основе обученных моделей
      • Валидация
      • Отправка HTTP-запросов к сервису
      • Список доступных базовых образов
    • Образы
  • AutoML
    • Карточка задачи AutoML
  • Pipelines
    • Пример кода для создания Pipeline
  • AI Marketplace
    • DataHub
      • ruGPT-3 & family
    • AI Services
  • Библиотека client_lib
    • Job
    • S3CopyJob
    • ImageBuildJob
    • EraserJob
    • Общие методы
      • Методы копирования
  • Справочник API
    • Начало работы
    • Методы для аутентификации
    • Методы для работы с задачами обучения
    • Служебные методы
    • Методы для работы с хранилищем S3
    • Методы для работы с service_job
    • Хранилище (storage)
    • Методы для работы с Inference
    • Методы для работы с Inference/build
    • Методы для работы с Docker registry
  • Обучающие материалы
  • Вопросы и ответы
    • Общие
    • Профиль
    • Data Catalog
      • Artifact registry
    • Environments
      • Вопросы и ответы про задачи обучения
      • Вопросы и ответы про Spark
      • Мультикластерность
      • Удаленная отладка в Pycharm по SSH
    • Deployments
    • AutoML
    • Pipelines
    • AI Marketplace
  • Тарификация
  • Термины и сокращения
  • Лицензии для компонентов Open Source
  • Техническая поддержка
Все документы
AI Cloud ML Space. Руководство пользователя
  • »
  • В этом документе

В этом документе

  • Обзор ML Space
  • Быстрый старт
    • Быстрый старт по работе с Data Catalog
    • Быстрый старт по работе с Deployments
    • Быстрый старт по работе с Environments
    • Базовый сценарий использования сервиса AutoML
    • Продвинутый сценарий использования сервиса AutoML
  • Data Catalog
  • Environments
  • Deployments
  • AutoML
  • Pipelines
  • AI Marketplace
  • Библиотека client_lib
    • Job
    • S3CopyJob
    • ImageBuildJob
    • EraserJob
    • Общие методы
  • Справочник API
  • Обучающие материалы
  • Вопросы и ответы
    • Общие
    • Профиль
    • Data Catalog
    • Environments
    • Deployments
    • AutoML
    • Pipelines
    • AI Marketplace
  • Тарификация
  • Термины и сокращения
  • Лицензии для компонентов Open Source
  • Техническая поддержка
Была ли эта статья полезной?
Следующая

© Авторские права 2022, SberCloud

Собрано при помощи Sphinx с использованием темы, предоставленной Read the Docs.