===== Программная инженерия для анализа данных =====

В курсе рассматриваются вопросы разработки систем обработки данных и машинного обучения. 
  * Как вывести разработанную модель в продакшен? 
  * Что делать для совместной работы над наукоемким ПО? 
  * Как не потерять ранее достигнутые исследовательские результаты?

В результате освоения курса слушатели приобретают навыки промышленной разработки алгоритмов машинного обучения, проведения повторяемых экспериментов, использования больших данных, тестирования и процессов выполнения проектов в области машинного обучения.

Темы курса
  * Структурирование программ обработки данных (CODE)
  * Написание надежного кода (CODE)
  * Проектирование систем и хранение данных в системах машинного обучения (DATA)
  * Процессы и виды работ в проекте анализа данных (PROC)
  * Обеспечение повторяемости результатов (PROC)
  * Тестирование наукоемкого ПО (TEST)

{{:seml:seml-topics.doc|Список тем}} для подготовки к зачету.


==== План курса (2020) ====

^№^Тема^
|1.| Введение. Проблемы разработки наукоемкого ПО. Качество программных систем. |
|2.| Понятный код. Оформление и стандарты. Технический долг. Проведение код ревью. |
|3.| Декомпозиция программ обработки данных. Метод постепенного уточнения. Повторное использование. |
|4.| Совместная разработка. Непрерывная интеграция. Гибкие процессы разработки. |
|5.| Процесс анализа данных. Исследовательский анализ (EDA). Представление результатов. |
|6.| Повторное использование. Объектные методы. Структуры репозиториев. |
|7.| Тестирование систем анализа данных. Методы модульного тестирования. Инструменты автоматизации поставки, контейнеризация. |
|8.| Тестирование инвариантами. Adversarial testing. Тестирование наукоемкого ПО. |
|9.| Проблема повторяемости экспериментов. Что входит в эксперимент. Конфигурация. Лаборатория данных |
|10.| Продуктивизация ML в виде сервисов. Реализация микросервисов в Python для поставки моделей. Создание API. Принципы REST и HATEOAS. |
|11.| Хранение данных. Релационная, колоночная, документная и др. модели. Транзакции ACID. Распределенные СУБД. CAP и BASE. |
|12.| Технологии параллельной обработки данных. Master/Slave, MapReduce, RDD(Spark). Если успеем - Kubernetes (pods, svcs, jobs, etc ) для размещения ML сервисов. |
|13.| Технологии GitOps, MLOps. Технологии сжатия и ускорение моделей. Средства представления API моделей. Стандартные протоколы. |



==== Курсовой проект ====

Курсовой проект посвящен созданию собственного микросервиса с моделью машинного обучения в соответствии с процессами CI/CD или разработки повторно-используемой библиотеки с реализацией алгоритмом решения прикладной ML задачи.

Задания выполняются в соответствии с процессом Scrum и CI/CD. Каждое задание - это отдельный спринт.

^#^Тема задания^
|1.| Документирование и ревью кода |
|2.| Реализация модели. Структурирование программы |
|3.| Автоматизация поставки и модульное тестирование |
|4.| Тестирование. Непрерывная интеграция |
|5.| Реализация микросервиса или микроесервиса. Использования СУБД. Воспроизводимое обучение |
|6.| Размещение сервиса в облаке, публикация библиотеки. |


==== Критерии оценивания ====

Итоговая оценка по курсу формируется из успешности выполнения заданий по ходу семестра - по 10% за каждое задание, и подтверждение на устном опросе владения каждой из тем курса (CODE, TEST, DATA, PROC) - 40% оценки.


==== Литература ====

  - Материалы лекций
  - Davy Cielen, Arno D.B. Meysman, Mohamed Ali. Introducing Data Science (book)
  - NoSQL Distilled (book)
  - A Survey on NoSQL Stores (2018) ACM CSUR (paper)
  - Kanewala U., Bieman J.M. Testing scientific software: A systematic literature review (paper)
  - Gerardo Cerda Neumann, Héctor Antillanca Espina, Víctor Parada Daza. Development of Scientific Software and Practices for Software Development A Systematic Literature Review (paper)
  - The Art of Software Testing - Second Edition (book)
  - Tarek Ziade. Python Microservices Development (book)
  - ГОСТ Р ИСО/МЭК 25010-2015. Модели качества (standard)
  - Test your Machine Learning Algorithm with Metamorphic Testing https://trustable.ai/testing-ai-metamorphic-testing/ (paper)
  - Recent developments in Adversarial Example https://trustable.ai/recent-developments-in-adversarial-example-part-i/ (paper)
  - MapReduce Design Patterns. Book. Donald Miner, Adam Shook (book)
  - (2018) On Reproducible AI: Towards Reproducible Research, Open Science, and Digital Scholarship in AI Publications (paper)


==== Контакты ====

Контактный адрес: course [at] objectoriented.ru 

Хританков Антон Сергеевич, к.ф.-м.н. - автор курса