# Модуль 15. ML Engineering: от модели до сервиса

Плановый срок: **недели 36–38**.

## Цели

- строить тестируемые пайплайны обучения и инференса
- упаковывать модель в API и контейнер
- учитывать latency, throughput, версии и безопасность входов

## Предварительные требования

- [Python и структура пакета](../01_python_numpy/README.md)
- [Работа с данными](../05_data_and_visualization/README.md)
- [Классическое машинное обучение и честная оценка](../06_classical_ml/README.md)
- Для нейросетевых сервисов: [нейронные сети](../09_neural_networks/README.md)

## Уроки

1. [Структура production-проекта, конфиги, data/model contracts и тесты](notes/01_production_project_contracts_testing.md)
2. [FastAPI, batch/online inference, Docker, ONNX и оптимизация](notes/02_inference_api_docker_onnx.md)
3. [Model registry, experiment tracking и CI overview](notes/03_registry_tracking_ci.md)

Термины модуля: [глоссарий](notes/glossary.md).

Для каждого урока: прочитайте теорию, воспроизведите ключевой пример своими
руками и запишите три тезиса без подсказки. Формулы из этого модуля нужно
уметь связать с кодом и наблюдаемым поведением модели.

## Задания

- [`assignments/01_refactor.md`](assignments/01_refactor.md) — Из ноутбука в пакет
- [`assignments/02_model_api.md`](assignments/02_model_api.md) — API модели
- [`assignments/03_container.md`](assignments/03_container.md) — Контейнер и нагрузка

## Завершение модуля

Модуль завершён, когда все задания удовлетворяют критериям приёмки,
вы можете объяснить основные решения без ноутбука и получили review.