Услуга

MLOps: модели в продакшене

Обученная модель – это половина дела. Вторая половина: воспроизводимые данные, версии, автотесты качества, деплой без ручных шагов, мониторинг дрейфа и понятный откат. Мы строим этот контур, чтобы модель продолжала работать через полгода, когда данные изменились, а автор уже занят другим.

Разобрать процесс Как это работает

Цена: от 250 000 ₽
Срок: 4–6 недель
Работаем с: MLflow, Docker, Kubernetes

ВоспроизводимоТот же результат из тех же данных
ОткатВозврат к прошлой версии за минуты
ДрейфВидно до жалоб пользователей

Проблема

Модель работает у автора на ноутбуке

Демо прошло хорошо, метрики понравились. Дальше выясняется, что превратить это в работающий сервис – отдельный проект.

Результат не воспроизводится

Тот же ноутбук на тех же данных даёт другие цифры. Непонятно, какая версия данных и параметров дала показанный результат.

Деплой руками по инструкции

Выкладка занимает день и делается одним человеком по памяти. При его отсутствии обновить модель некому.

Качество падает незаметно

Данные меняются, точность плывёт. Узнают об этом от бизнеса через месяцы, а не от мониторинга на второй неделе.

Откатиться некуда

Новая версия оказалась хуже, а прежней не сохранилось ни в артефактах, ни в реестре. Приходится переобучать в авральном режиме.

Возможности

Что входит в контур

Реестр моделей и версии

Каждая версия хранится вместе с данными, параметрами и метриками, на которых обучалась. Всегда видно, что именно работает в проде сейчас.

Воспроизводимое обучение

Обучение запускается как пайплайн, а не как ноутбук. Тот же вход даёт тот же результат независимо от машины и человека.

Автоматический деплой

Выкладка проходит через проверки качества: если метрика на контрольной выборке ниже порога, версия не уходит в прод. Откат – одна команда.

Мониторинг дрейфа

Отслеживаем распределение входных данных и качество предсказаний. Расхождение с обучающей выборкой поднимает тревогу до того, как её заметит бизнес.

Сервис предсказаний

Модель оборачивается в API с логированием запросов, ограничением нагрузки и понятным поведением при отказе. Логи потом становятся данными для переобучения.

Регулярное переобучение

Пайплайн переобучения по расписанию или по сигналу дрейфа, с той же проверкой качества перед выкладкой.

Процесс

Как проходит работа

Аудит текущего состояния
1–2 недели
Смотрим, как модель обучается и выкладывается сейчас, что хранится, что теряется. Обычно выясняется, что главная проблема не в инфраструктуре, а в данных – где они и кто их меняет.
Данные и воспроизводимость
2–4 недели
Наводим порядок в источниках и версиях данных, переносим обучение в пайплайн, подключаем реестр моделей и логирование экспериментов.
Сервис и деплой
2–4 недели
Оборачиваем модель в сервис, собираем конвейер выкладки с проверками качества и механизмом отката, разворачиваем в вашем окружении.
Мониторинг и передача
2–3 недели
Подключаем дашборды качества и дрейфа, настраиваем оповещения, пишем регламент дежурства и обучаем вашу команду.

Стек

С чем мы работаем

MLflowDockerKubernetesAirflowDVCFastAPIPostgreSQLPrometheusGrafanaGitLab CI

Данные

Данные и доступы

Контур у вас

Пайплайны, хранилище моделей и мониторинг разворачиваются в вашей инфраструктуре.

Проверки перед выкладкой

Версия с метрикой ниже порога на контрольной выборке в работу не уходит.

Доступы по минимуму

Просим только те права, которые нужны для работы, и на время работы. После запуска наши учётные записи закрываются или передаются вашему администратору.

С вашей стороны

Что нужно от вас

Модель и данные

Текущая модель, данные, на которых её учили, и метрика, по которой судят о качестве.

Инфраструктура

Серверы или облако, где будет жить контур, и права на развёртывание.

Человек с вашей стороны

Один сотрудник, который знает процесс и может ответить, почему он устроен именно так. Без него настройка превращается в угадывание.

Границы работы

Чего мы делать не берёмся

Обещать качество модели
MLOps делает выкладку воспроизводимой и следит за дрейфом, но качество самой модели зависит от данных и задачи.
Продавать оборудование
Серверы и облачные мощности в смету наших работ не входят.

Стоимость

Сколько стоит MLOps-контур

«Одна модель в продакшн» – от 250 000 ₽, «Полный контур» – от 550 000 ₽, «Платформа для команды» – от 1 200 000 ₽. Указана начальная цена. Каждый проект индивидуален, поэтому итоговая сумма может отличаться: изредка она выходит ниже, но обычно окончательную цену формируем после подробного обсуждения и плана задач. Цена зависит от числа моделей и от того, разворачиваемся ли мы в облаке или в вашем закрытом контуре.

Одна модель в продакшн

от 250 000 ₽

Срок: 4–6 недель

Сервис предсказаний с API
Реестр версий и артефактов
Деплой с проверкой качества
Базовый мониторинг

Полный контур

от 550 000 ₽

Срок: от 2 месяцев

Пайплайны обучения и данных
Мониторинг дрейфа и оповещения
Автоматический откат версий
Регулярное переобучение
Месяц сопровождения

Платформа для команды

от 1 200 000 ₽

Срок: от 4 месяцев

Несколько моделей и команд
Развёртывание в закрытом контуре
Разграничение доступа и аудит
Обучение вашей команды
Квартал сопровождения

Сравнить уровни таблицей

Уровни работы: что входит, срок и начальная цена
Уровень	Что входит	Срок	Цена
Одна модель в продакшн	Сервис предсказаний с API, Реестр версий и артефактов, Деплой с проверкой качества, Базовый мониторинг	4–6 недель	от 250 000 ₽
Полный контур	Пайплайны обучения и данных, Мониторинг дрейфа и оповещения, Автоматический откат версий, Регулярное переобучение, Месяц сопровождения	от 2 месяцев	от 550 000 ₽
Платформа для команды	Несколько моделей и команд, Развёртывание в закрытом контуре, Разграничение доступа и аудит, Обучение вашей команды, Квартал сопровождения	от 4 месяцев	от 1 200 000 ₽

Вопросы

Частые вопросы

Если вашего вопроса здесь нет, спросите – ответим тем же порядком.

У нас одна модель, нужен ли нам MLOps?

Полноценная платформа – нет. Но даже одной модели нужны три вещи: воспроизводимое обучение, возможность откатиться и мониторинг качества. Без них модель живёт до первого изменения данных, и это вопрос месяцев, а не лет. Мы делаем именно этот минимум в базовом варианте.

Что такое дрейф и почему он важен?

Дрейф – расхождение между данными, на которых модель училась, и теми, что приходят сейчас. Появился новый канал продаж, изменился ассортимент, сменилась сезонность – и модель, не меняясь, начинает ошибаться чаще. Мониторинг ловит это по распределению входов раньше, чем ошибки станут заметны в бизнес-метриках.

Можно ли развернуть всё в закрытом контуре?

Да, весь стек, который мы используем, ставится на ваши серверы без обращения к внешним сервисам. Это дороже по настройке и требует ваших ресурсов на поддержку инфраструктуры, но для данных, которые нельзя выпускать наружу, вариант единственный.

Вы работаете с моделями, которые писали не вы?

Да, это типичный случай: модель написана вашим специалистом или прошлым подрядчиком, а вывести в прод некому. Начинаем с аудита кода и данных – иногда выясняется, что модель нужно переписывать, и мы говорим об этом сразу, а не после сборки контура вокруг неё.

Кто дежурит по моделям после запуска?

По договорённости. Мы можем взять сопровождение на себя или передать вашей команде с регламентом: что означает каждое оповещение, какие действия и в каком порядке. Второй вариант дешевле и надёжнее в долгую, но требует, чтобы у вас был кому дежурить.

Сколько стоит MLOps?

Вывод одной модели в продакшн с базовым мониторингом – от 250 000 ₽ и 4–6 недель. Полный контур с пайплайнами, дрейфом и переобучением – от 550 000 ₽. Платформа на несколько моделей в закрытом контуре – от 1 200 000 ₽. Указана начальная цена. Каждый проект индивидуален, поэтому итоговая сумма может отличаться: изредка она выходит ниже, но обычно окончательную цену формируем после подробного обсуждения и плана задач.

Материал обновлён 8 октября 2026