Инфраструктура ML · Настройка · Сопровождение

Инфраструктура для машинного обучения

Готовим инфраструктуру для машинного обучения: вычисления, хранилища, окружения и доступы команд. Проверяем запуск согласованных задач и передачу результатов между этапами.

Конфигурацию определяем по профилю задач. GPU подключаем при обоснованной потребности, а объём ресурсов проверяем на пилотной нагрузке.

Рабочая средаПравила ресурсовПлан эксплуатации

Подготовим вводные

Уточним задачу: Инфраструктура ML

Три вопроса помогут определить контур работ и следующий шаг к оценке.

≈ 1 минута

Вопрос 1 из 3

Можно вернуться и изменить ответ

Какие задачи решаем

Состав работ зависит от вашей системы и согласованных критериев результата.

Задача / 01

Собрать требования / Подготовить ресурсы

Описываем задачи обучения, данные и ограничения среды.

Настраиваем вычисления и хранение для пилота.

Задача / 02

Разделить доступы

Согласуем права команд и изоляцию рабочих окружений.

Задача / 03

Проверить работу

Запускаем контрольную задачу и проверяем её результат.

Специалисты, которые могут участвовать в вашем проекте

Состав команды и участие сотрудников согласуем с учётом задач проекта и сроков.

Поиск по технологиямУровеньТехнология

Специалистов: 50

Дмитрий К.

Scala Engineer

SeniorОпыт 7+ лет

ScalaPythonZIOKafka

Все навыки (7)

KubernetesGCPPrometheus

Артем С.

Scala Backend Developer

MiddleОпыт 4+ лет

ScalaSQLAkka HTTPMongoDB

Все навыки (7)

RedisRabbitMQKubernetes

Екатерина М.

Scala Consultant

SeniorОпыт 11+ лет

ScalaJavaKafka StreamsAzure Kubernetes

Все навыки (6)

NoSQLDatadog

София У.

Scala ML Engineer

Senior+Опыт 11+ лет

ScalaPythonSparkData Vault

Все навыки (14)

Архитектура DWHКонтроль качества данныхMLflowHiveDockerKubeflowSQLHadoopCassandraAirflow

Михаил П.

Data engineer

SeniorОпыт 7+ лет

PythonSQLAWS (RedshiftGlue)

Все навыки (8)

TerraformKubernetesCI/CD (Jenkins)Data Lake

Сергей Д.

Data engineer

MiddleОпыт 3+ лет

PythonPySparkPostgreSQLDocker

Все навыки (6)

MLflowKubernetes

Николай Р.

Data engineer

SeniorОпыт 11+ лет

PythonApache BeamKubeflowTensorFlow Extended

Все навыки (6)

MLOpsFeature Store

Анастасия М.

Data engineer

Senior+Опыт 15+ лет

PythonKubernetesHelmData contracts

Все навыки (14)

Apache AirflowПотоковая обработка данныхArgoCDGitLab CIинфраструктура данныхOracle Pl/SQLInformaticaSSISМиграция на облакорефакторинг ETL

Арсений Г.

Data Scientist

Senior+Опыт 17+ лет

PythonSQLpandasMLflow

Все навыки (18)

Дизайн экспериментовМониторинг моделейNumpyscikit-learnCatBoostXGBoostTensorFlow: ETLPostgreSQLSeaborn: GitC++tensorflowOpenCVKubernetesPrometheus

Елизавета А.

Data Scientist

Senior+Опыт 17+ лет

PythonSQLpandasMLflow

Все навыки (14)

Дизайн экспериментовМониторинг моделейNumpyDockerApache AirflowC++tensorflowOpenCVKubernetesPrometheus

Татьяна М.

Data Scientist

MiddleОпыт 3+ лет

Python (PandasNumpyScipy)SQL

Все навыки (10)

GitGitLabDockerMLflowPostgreSQLOracle

Павел М.

Data Scientist

MiddleОпыт 7+ лет

PythonSQLDockerKubernetes

Все навыки (9)

GrafanaGitGitLabOracle DeveloperDBeaver

Дмитрий Н.

Data Scientist

MiddleОпыт 3+ лет

PythonRSciPyPostgreSQL

Все навыки (6)

Power BIMLflow

Элеонора Г.

Data Scientist

MiddleОпыт 6+ лет

PythonBERTspaCyDocker

Все навыки (5)

Kubernetes

Кристина А.

Data Scientist

Senior+Опыт 17+ лет

PythonSHAPLIMEMLflow

Все навыки (13)

Дизайн экспериментовМониторинг моделейPower BIApache SupersetC++tensorflowOpenCVKubernetesPrometheus

Алиса Б.

Data Scientist

Senior+Опыт 17+ лет

PythonJavaPyTorchMLflow

Все навыки (14)

Дизайн экспериментовМониторинг моделейSparkKafkaAWS/GCPC++tensorflowOpenCVKubernetesPrometheus

Илья В.

Data Scientist

SeniorОпыт 15+ лет

PythonC++tensorflowOpenCV

Все навыки (6)

KubernetesPrometheus

Егор П.

Data Scientist

MiddleОпыт 3+ лет

PythonJavaLangChainHadoop

Все навыки (6)

MLflowDocker

Галина Ф.

Data Scientist

Senior+Опыт 17+ лет

PythonOptunaHyperoptMLflow

Все навыки (13)

Дизайн экспериментовМониторинг моделейDaskRedisC++tensorflowOpenCVKubernetesPrometheus

Тимофей И.

Data Scientist

Senior+Опыт 17+ лет

PythonJavaPyTorchMLflow

Все навыки (13)

Дизайн экспериментовМониторинг моделейKubernetesKafkaCassandraC++tensorflowOpenCVPrometheus

Вера С.

Data Scientist

Senior+Опыт 17+ лет

PythonScalatensorflowMLflow

Все навыки (13)

Дизайн экспериментовМониторинг моделейXGBoostHivePrestoC++OpenCVKubernetesPrometheus

Дарья С.

ML-инженер

Senior+Опыт 8+ лет

PythonC++tensorflowMLOps

Все навыки (10)

Мониторинг моделейОптимизация inferenceOpenCVYOLOv5KubernetesFlask

Денис Д.

ML-инженер

MiddleОпыт 3+ лет

PythonBashMLflowAirflow

Все навыки (7)

AWSGitLab CI/CDPrometheus

Александра Ш.

ML-инженер

MiddleОпыт 4+ лет

PythonRH2OTPOT

Все навыки (7)

Scikit-learnCatBoostMLflow

Татьяна О.

ML-инженер

MiddleОпыт 5+ лет

PythonBashKubeflowPrometheus

Все навыки (7)

GCPTerraformGrafana

Олеся Д.

ML-инженер

MiddleОпыт 4+ лет

PythonJavaIsolation ForestPyOD

Все навыки (6)

ElasticsearchKubernetes

Марьяна С.

NLP инженер

MiddleОпыт 7+ лет

PythonRKubernetesGitLab CI/CD

Все навыки (5)

MongoDB

Дмитрий С.

NLP инженер

Senior+Опыт 8+ лет

PythonJavaKubernetesRAG

Все навыки (8)

Fine-tuning LLMОценка качества NLPMLflowElasticsearch

Марина Б.

NLP инженер

MiddleОпыт 3+ лет

PythonMLflowPrometheusSqlalchemy

Денис М.

NLP инженер

MiddleОпыт 4+ лет

PythonScalaMLflowDVC

Все навыки (6)

ElasticsearchFlask

Егор К.

NLP инженер

MiddleОпыт 4+ лет

PythonC#DockerKubernetes

Все навыки (5)

Grafana

Сергей Л.

NLP инженер

MiddleОпыт 3+ лет

PythonGoKubernetesMLflow

Все навыки (5)

PostgreSQL

Филипп К.

NLP инженер

MiddleОпыт 8+ лет

PythonC++vLLMKubernetes

Все навыки (5)

Grafana

Екатерина Ш.

Cloud DevOps Engineer

MiddleОпыт 3+ лет

PythonBashAWS (EC2/S3/Lambda)Terraform

Все навыки (8)

KubernetesJenkinsGrafanaPostgreSQL

Евгений Ц.

Senior DevOps Engineer

SeniorОпыт 5+ лет

GoPythonGCPTerraform

Все навыки (8)

KubernetesBigtableSpinnakerDataflow

Кирилл П.

Системный администратор DevOps

Senior+Опыт 10+ лет

PythonPowerShellAzure (ARM/AKS)GitOps

Все навыки (16)

Архитектура KubernetesDisaster RecoveryTerraformSQL ServerDockerJenkinsBashLinux/Windows ServerVMwareZabbixPuppetMongoDB

Алексей С.

SRE Engineer

SeniorОпыт 5+ лет

GoPythonKubernetes (Helm/Operators)ArgoCD

Все навыки (7)

IstioGCPCassandra

Дмитрий Х.

DevOps Specialist

Senior+Опыт 7+ лет

GoPythonKubernetesGitOps

Все навыки (13)

Архитектура KubernetesDisaster RecoveryRedisIstioArgoCDThanosKubernetes (Helm/Operators)GCPCassandra

Валерия Л.

DevOps Engineer

Senior+Опыт 11+ лет

PythonSQLGrafanaGitOps

Все навыки (15)

Архитектура KubernetesDisaster RecoveryDatadogELKPromQLCloudWatchOpenShiftAnsibleJenkinsKafkaRHCE

Елена Л.

DevOps Lead

MiddleОпыт 8+ лет

PythonHashiCorp VaultOPAKubernetes

Все навыки (7)

TrivyFalcoAWS Security Hub

Виктор С.

DevSecOps Engineer

SeniorОпыт 10+ лет

PythonGCPKubernetesTerraform

Все навыки (7)

AnthosCloud RunBigQuery

Владимир И.

Cloud DevOps

Senior+Опыт 15+ лет

BashDockerGitLab CIGitOps

Все навыки (14)

Архитектура KubernetesDisaster RecoveryAnsibleELK StackPostgreSQLVMwarePuppetZabbixHyper-VWindows Server

Даниил К.

SRE-инженер

MiddleОпыт 3+ лет

PythonBashKubernetesPrometheus

Все навыки (9)

GrafanaELK StackAnsibleTerraformSQL

Арина С.

SRE-инженер

MiddleОпыт 3+ лет

PythonGroovyKubernetesApache Mesos

Все навыки (7)

GitOpsKeycloakCassandra

Илья Г.

SRE-инженер

Senior+Опыт 14+ лет

GoPythonKubernetesSLO / SLI

Все навыки (15)

Capacity planningChaos engineeringTerraformAnsibleELK StackCassandraKafkaSLO/SLI-фреймворкиGCP AnthosIstioCortex

Ульяна Ч.

SRE-инженер

SeniorОпыт 6+ лет

PythonGCPKubernetes EngineTerraform

Все навыки (6)

AnsibleBigQuery

Алина Х.

SRE-инженер

SeniorОпыт 8+ лет

GoPythonKubernetes (EKS/AKS)Crossplane

Все навыки (6)

LinkerdOpenTelemetry

Андрей А.

Системный администратор L3

Senior+Опыт 13+ лет

Windows ServerLinux ServerVMwareОтказоустойчивые кластеры

Все навыки (30)

Disaster RecoveryАвтоматизация инфраструктурыProxMox VEMS Hyper-V CSDockerKubernetesMikroTikOpenVPNIPSecYandex CloudGrafanaVeeamMSSQL FCiSCSISenseOMVNextClouditsm365.comExchange DAGMS ADMySQLSQL ServerActive DirectoryIP-телефонияMikrotikСКУД

Роман К.

Системный администратор / DevOps Engineer

Senior+Опыт 13+ лет

LinuxWindowsProxmox VEОтказоустойчивые кластеры

Все навыки (18)

Disaster RecoveryАвтоматизация инфраструктурыKubernetesМониторинг1С:ПредприятиеMS SQL ServerPostgreSQLExchangePostfixCI/CDHelpdeskWindows Os1C: БухгалтерияMikrotikSquid

Максим Л.

Разработчик С/С++, Devops

Senior+Опыт 19+ лет

C++C#PythonПрофилирование C++

Все навыки (41)

МногопоточностьОптимизация памятиPHPJavaScriptTypeScriptBashSQLSolidityGoRustHTMLCSSQt (Widgets/QML)wxWidgets.NET (WinForms/WPF.NET Core)GitCMakeqmakeAndroid StudioTruffleHardhatWeb3.jsFFmpegApacheNginxDockerKubernetesAnsibleJenkinsSymfonyJiraC++17ClickHouseYDBOLAP/OLTP systemsQuery optimizers

Состав и границы услуги

В состав работ

Описываем задачи обучения, данные и ограничения среды. Настраиваем вычисления и хранение для пилота. Согласуем права команд и изоляцию рабочих окружений. Запускаем контрольную задачу и проверяем её результат.

Зависимости

Фреймворки, зависимости и длительность вычислений. Объёмы, расположение и требования доступа. Облако или собственная площадка и ограничения бюджета.

Не входит автоматически

Состав доработок приложений, закупку лицензий и дальнейшее сопровождение согласуем отдельно от первичной настройки.

Что получите по итогам работ

Конкретный состав артефактов и критерии приёмки фиксируем перед началом работ.

Рабочая среда

Инфраструктура подготовлена для выбранного ML-процесса.

Правила ресурсов

Доступы и ограничения использования мощностей.

План эксплуатации

Наблюдение, обслуживание и рост среды.

Инструменты и конфигурация

Состав решения согласуем с учётом вашей инфраструктуры и задач.

Рабочая среда

Инфраструктура подготовлена для выбранного ML-процесса.

Начнём с вашей текущей системы

Начнём с вашей задачи

Разберём текущую схему, требования и ограничения. Согласуем пилот и проверяемые критерии готовности.

Доступы согласуем отдельно

Предоставляйте только необходимые сведения и минимальные права для выбранного этапа.

ПЕРЕД СТАРТОМ

Карта вашей системы

ЗадачиФреймворки, зависимости и длительность вычислений.
ДанныеОбъёмы, расположение и требования доступа.
РазмещениеОблако или собственная площадка и ограничения бюджета.

Общая картина проектаОснова для оценки объёма и плана работ

Форматы выполнения работ

Формат сотрудничества / 01

Оценка задачи

Разберём текущую схему и определим объём изменений.

Этапы проекта

Согласуем задачу

Определим исходное состояние, границы работ и критерии приёмки.

РЕЗУЛЬТАТ ЭТАПАПлан и критерии

Подробнее об этапе

Разберём текущую схему, требования и ограничения. Согласуем пилот и проверяемые критерии готовности.

Выполним работы

Реализуем согласованный объём на выбранном контуре.

РЕЗУЛЬТАТ ЭТАПАГотовое решение

Подробнее об этапе

Настраиваем вычисления и хранение для пилота. Согласуем права команд и изоляцию рабочих окружений.

Проверим и передадим

Проверим результат по согласованным сценариям и передадим материалы команде.

РЕЗУЛЬТАТ ЭТАПАРезультат и инструкции

Подробнее об этапе

Проверяем выполнение контрольной задачи. Проверяем разрешённое чтение и сохранение результата. Проверяем разграничение доступа команд. Наблюдение, обслуживание и рост среды.

Стоимость и сроки: что влияет на оценку

Стоимость и продолжительность определяем после анализа исходных данных, доступа и согласованного объёма. Подготовим индивидуальную оценку с учётом требований к результату.

Объём+Зависимости+Проверка→Оценка работ

Факторы оценки: Инфраструктура ML
Фактор	Что оцениваем
Задачи	Фреймворки, зависимости и длительность вычислений.
Данные	Объёмы, расположение и требования доступа.
Размещение	Облако или собственная площадка и ограничения бюджета.
Охват внедрения	Количество проектов, окружений и контрольных сценариев; необходимая глубина автоматизации.

Проверка, передача и дальнейшие действия

Запуск

Проверяем выполнение контрольной задачи.

Данные

Проверяем разрешённое чтение и сохранение результата.

Изоляция

Проверяем разграничение доступа команд.

Передача результата

Передаём согласованные настройки, результаты проверки и инструкции. Дополнительное сопровождение и режим реакции обсуждаем отдельно.

Опыт команды в проектах

Существующие проекты и отзывы компании CodeHub. Примеры не означают, что именно эта услуга выполнялась в каждом проекте.

1–3 / 9

01 / 09Московская биржа

Python · автоматизация тестирования

Московская биржа: автоматизация тестирования

Московская биржа. Автоматизация тестирования

PythonPyTestRequests

85% критичных путей покрыто

02 / 09Крупнейший ритейл

Данные · смежный опыт

Крупнейший ритейл: SAP и Data

Крупнейший ритейл - проекты по SAP и Data

PySparkAirflowData Lake

Data Lake и SAP-процессы

03 / 09Иннотех / ВТБ

Иннотех и ВТБ: усиление IT-команд

Усиление командами и точечными ИТ-специалистами команды интегратора Иннотех на проектах ВТБ и дочерних компаний

Системная аналитикаБизнес-аналитикаАвтотестирование

25+ специалистов выведено

04 / 09Крупный интегратор

HR CRM для крупного интегратора

Взаимодействие с интегратором в рамках разработки внутренней HR CRM для автоматизации рекрутмента и хранения внутренней базы кандидатов

PHP/LaravelPostgreSQLReact

40% сокращение времени найма

05 / 09Р-Фарм

1С-разработка для Р-Фарм

1С Разработка для Р-Фарм

1С:ERP1С:Бухгалтерия1С:Документооборот

1С модули для фармы

06 / 09МТС Digital / МТС WMS / МТС AI

МТС: усиление выделенными командами

Усиление команд, предоставление выделенной команды.

Ручное тестированиеАвтотестированиеСистемная аналитика

4 направления усиления

07 / 09Фиолетовый банк маркетплейса

Банковский маркетплейс: Java и Kotlin

Усиление отделов Java + Kotlin разработки.

JavaKotlinREST

Java + Kotlin усиление разработки

08 / 09ВинЛаб и Аптечки Столицы

Восстановление IT-инфраструктуры после кибератак

Восстановление ИТ-инфраструктуры после кибератак

Системное администрированиеIT-инфраструктураКиберинциденты

60+ точек восстановлено

09 / 09EdTech-платформа

EdTech-приложение для школьников на Unity

Мобильное приложение для Edtech-платформы для школьников на Unity

UnityWebGLZenject

80 000+ MAU

Видеоотзывы клиентов

Отзывы клиентов о работе компании CodeHub; они не являются подтверждением выполнения конкретно этой услуги.

1–3 / 5

Борис Губанов

Клиент CodeHub

Татьяна Тарасенкова

Гульмира

Вячеслав Юдин

Вопросы об услуге: Инфраструктура ML

GPU обязательно нужны?

Нет. Потребность определяется моделью, объёмом и требованиями к времени выполнения.

Можно использовать существующий кластер?

Да, после проверки ресурсов, изоляции и совместимости компонентов.

Как принимается результат?

Проверяем согласованные сценарии, передаём настройки, результаты испытаний и инструкции эксплуатации.

Что нужно для первичной оценки?

Описание процесса, инструментов и требований. Для начала достаточно обезличенных примеров без секретов.

Как определяются сроки и стоимость?

По результатам оценки согласуем охват систем, этапы работ и критерии приёмки. Расходы на внешние сервисы укажем отдельно.

Можно начать с пилотного проекта?

Да. Выберем ограниченный объект, проверим результат и затем согласуем расширение.

Обсудим задачу

Опишите задачу по услуге «Инфраструктура для машинного обучения». Уточним вводные, ограничения и следующий шаг к оценке.

Инфраструктура для машинного обучения

Уточним задачу: Инфраструктура ML

Какие задачи решаем

Собрать требования / Подготовить ресурсы

Разделить доступы

Проверить работу

Специалисты, которые могут участвовать в вашем проекте

Дмитрий К.

Артем С.

Екатерина М.

София У.

Михаил П.

Сергей Д.

Николай Р.

Анастасия М.

Арсений Г.

Елизавета А.

Татьяна М.

Павел М.

Дмитрий Н.

Элеонора Г.

Кристина А.

Алиса Б.

Илья В.

Егор П.

Галина Ф.

Тимофей И.

Вера С.

Дарья С.

Денис Д.

Александра Ш.

Татьяна О.

Олеся Д.

Марьяна С.

Дмитрий С.

Марина Б.

Денис М.

Егор К.

Сергей Л.

Филипп К.

Екатерина Ш.

Евгений Ц.

Кирилл П.

Алексей С.

Дмитрий Х.

Валерия Л.

Елена Л.

Виктор С.

Владимир И.

Даниил К.

Арина С.

Илья Г.

Ульяна Ч.

Алина Х.

Андрей А.

Роман К.

Максим Л.

Состав и границы услуги

В состав работ

Зависимости

Не входит автоматически

Что получите по итогам работ

Рабочая среда

Правила ресурсов

План эксплуатации

Инструменты и конфигурация

Рабочая среда

Правила ресурсов

План эксплуатации

Начнём с вашей текущей системы

Начнём с вашей задачи

Карта вашей системы

Форматы выполнения работ

Оценка задачи

Пилот

Внедрение

Передача команде

Этапы проекта

Согласуем задачу

Выполним работы