· AI Engineer World's Fair 2026
От исследований к реальности: внедрение передовых ML-исследований в production
Research to Reality: Bringing frontier ML research to production
Перенос ML-прототипов в продакшен держится на техдизайн-документе для исследования, монорепо из изолированных сервисов и разбиении прототипа на стек PR по зависимостям.
- Техдизайн-документ для исследования — каждый прототип описывается по образцу техдизайна: доменный контекст, бизнес-цель, типы данных, слой хранения, архитектура и план декомпозиции. Инженер из другой области по нему быстро понимает, куда вкладываться.
- Монорепо из независимых сервисов — по словам спикера, на каждого исследователя приходится один микросервис. Клиенты обращаются к API-шлюзу в общей Docker bridge network, а сервис строится слоями: бизнес-логика, контроллеры, роутеры FastAPI.
- Декомпозиция по графу зависимостей — большой прототип режется на стек PR в Graphite. Автор продолжает работать над следующим PR, пока специалист смотрит предыдущий, и ревью идёт асинхронно.
- Три проверки процесса — если непонятно, где концентрировать усилия, куда класть новый код и как оценить сроки переноса, проблема в передаче исследования или в кодовой базе.
Кому полезно: ML-исследователям и инженерам платформы, которым нужно переносить прототипы в продакшен-кодовую базу команды.
Статья по теме
Главы
Похожие доклады
Руководство разработкой с помощью AI
AI Engineer Code 2025
Близко по содержанию
Вычисления и проектирование систем для передовых моделей следующего поколения
AI Engineer World's Fair 2024
Близко по содержанию
Как устроена Forward Deployed Engineering
AI Engineer World's Fair 2026
Близко по содержанию
Как инфраструктура веб-данных помогает создавать новое поколение ИИ
AI Engineer World's Fair 2026
Близко по содержанию

