Данное исследование посвящено автоматизации доставки моделей машинного обучения из MLflow в инфраструктуру Kubernetes. Разработан оператор Kubernetes, который интегрирует MLflow для отслеживания моделей и Seldon Core для их обслуживания. Автоматический запуск развертывания при присвоении тегов в MLflow упрощает работу инженеров и снижает необходимость ручной настройки. Оптимизация рабочих процессов сокращает время развертывания на 40–50% и снижает уровень ошибок с 15% до 3%. Решение упрощает взаимодействие команд анализа данных и инфраструктуры, ускоряя и автоматизируя интеграцию моделей в бизнес-процессы.

Трапезин А. (науч. рук. Филянин И.В.) Автоматизация процессов внедрения моделей машинного обучения в производственные системы на основе kubernetes // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/14162