В последнее время я часто работал с разными ML-проектами в GitLab. В каждом был свой .gitlab-ci.yml, своя обвязка вокруг MLFlow, своя регистрация и валидация модели. Со временем я понял, что MLOps-пайплайн во всех проектах очень похож, а при работе с новыми копипаста размножается быстрее кроликов.
| # | Наименование новости | Тональность | Информативность | Дата публикации |
|---|---|---|---|---|
| 1 | Менеджер ML-экспериментов. Что это и как он нас выручает | 0 | 5.95 | 01-03-2026 |
| 2 | Git Worktree: Секретное оружие ML-инженера | 0 | 11.14 | 21-01-2026 |
| 3 | Гибридный поиск по коду в GitLab: как я ускорил поиск по 100+ GitLab-проектам с часов до минут | 0 | 11.83 | 07-04-2026 |
| 4 | Pipeline в машинном обучении: как создавать сложные модели без боли и утечек данных | 0 | 7.77 | 07-06-2026 |
| 5 | Как я ML-ку делал | 0 | 9.12 | 01-02-2026 |
| 6 | Как я автоматизировал создание стикеров для соцсетей: локально обучаем стилевую LoRA для SD 1.5 на 30 картинках | 0 | 11.88 | 04-08-2026 |
| 7 | Антипаттерны на питоне, которые меня победили | 0 | 6.71 | 15-02-2026 |
| 8 | z.ai GLM 5.1: Как я научил слепую модель видеть | 0 | 10.38 | 02-05-2026 |
| 9 | graphlens: превращаем репозиторий в типизированный граф — Python, TypeScript, Go и Rust в одной модели | 0 | 7.26 | 26-06-2026 |
| 10 | RAG в enterprise: 70-80% проблем не в модели, а в данных | 0 | 10.74 | 24-05-2026 |