Кто читает:: Департамент больших данных и информационного поиска

Статус:: Курс по выбору

Когда читается:: 2-й курс, 2 модуль

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс посвящён инженерной стороне машинного обучения: тому, как сделать уже работающую модель достаточно быстрой, компактной и дешёвой, чтобы её можно было эксплуатировать в реальных условиях. Он выстроен вокруг одного сквозного вопроса — как снизить вычислительную сложность модели, не потеряв приемлемого качества, — и последовательно разбирает основные классы методов: дистилляцию знаний, квантование, прореживание (pruning), эффективные архитектуры, low-rank и parameter sharing подходы, а также оптимизацию инференса под конкретную аппаратную платформу. Слушатели разбираются, откуда именно берутся вычислительные затраты в современных моделях (параметры, операции, память, latency, пропускная способность), как профилировать модель и находить в ней узкие места, как устроены teacher–student схемы дистилляции, чем отличаются post-training quantization и quantization-aware training, когда структурный pruning даёт реальное ускорение, а когда сокращает только FLOPs. Отдельные темы посвящены комбинированию методов в единый пайплайн оптимизации, порядку их применения и типовым анти-паттернам. Курс имеет выраженную практическую направленность: все методы студенты применяют самостоятельно на Python с использованием PyTorch и инструментов профилирования и оптимизации инференса. Каждое домашнее задание — это эксперимент на реальной модели с измерением качества, скорости и потребления памяти до и после оптимизации; итоговый проект требует спроектировать и обосновать комплексную стратегию ускорения под заданные ограничения. Курс стоит выбрать тем, кто хочет научиться принимать инженерные решения в терминах trade-off’ов — осознанно менять доли процента качества на кратное ускорение — и доводить модель до состояния, в котором её можно запускать на ограниченном железе и обслуживать в реальном времени.

Цель освоения дисциплины

Знать основные источники вычислительных затрат современных ML- и DL-моделей: число параметров, количество операций, потребление памяти, latency, bandwidth.
Знать классификацию и принципы работы ключевых методов ускорения и компрессии моделей: дистилляцию знаний, квантование, прореживание (pruning), low-rank и parameter sharing подходы.
Знать типовые trade-off’ы между качеством, скоростью, размером модели и стоимостью инференса и уметь формулировать их количественно.
Знать особенности применения методов ускорения для разных классов задач: CV, NLP и LLM, speech, рекомендательные системы.
Знать ограничения и риски методов ускорения: деградацию качества, нестабильность обучения, сложность внедрения и поддержки.
Уметь анализировать модель и задачу с точки зрения вычислительной эффективности и определять, где именно возникают узкие места.
Уметь выбирать подходящие методы дистилляции и ускорения под заданные ограничения по железу, latency и допустимой потере качества.
Уметь реализовывать базовые сценарии: knowledge distillation teacher → student, пост-тренировочное и тренировочное квантование, простые схемы pruning.
Уметь оценивать эффективность применённых методов по метрикам качества, по скорости инференса и по потреблению памяти.
Уметь аргументированно сравнивать несколько вариантов оптимизации модели и делать инженерный выбор.
Владеть базовыми практиками оптимизации моделей для использования в продакшене.
Владеть навыком формулирования требований к модели не только в терминах качества, но и в терминах эффективности.
Владеть способностью читать и критически интерпретировать статьи и индустриальные кейсы по ускорению моделей, оценивая их применимость на практике.

Планируемые результаты обучения

Объяснять роль ускорения моделей в современном ML и формулировать вычислительные ограничения прикладной задачи (latency, память, доступное железо, стоимость инференса).
Профилировать модель, интерпретировать результаты профилирования и находить bottleneck’и, определяющие время работы и объём потребляемой памяти.
Объяснять принципы knowledge distillation и условия её применимости, обоснованно выбирать teacher и student под конкретную задачу.
Реализовать базовую схему дистилляции, настраивать функцию потерь и оценивать эффект по качеству, скорости и размеру модели.
Объяснять методы квантования и их ограничения, различать post-training quantization и quantization-aware training и выбирать подходящий сценарий.
Объяснять подходы unstructured и structured pruning, критерии удаления параметров и оценивать их применимость к конкретной архитектуре.
Применять квантование и pruning на практике и количественно оценивать достигнутые компромиссы между качеством и эффективностью.
Объяснять архитектурные способы ускорения (efficient-архитектуры, low-rank и parameter sharing) и их специфику для CV, NLP и LLM.
Объяснять влияние аппаратной платформы на эффективность модели и различать сценарии batch- и real-time-инференса.
Оптимизировать инференс под заданные условия: измерять latency и throughput, подбирать batch size, анализировать влияние применённых оптимизаций.
Комбинировать несколько методов ускорения в согласованный пайплайн, обосновывая порядок их применения.
Анализировать реальные индустриальные кейсы ускорения моделей и предлагать стратегию решения под заданные ограничения и метрики.
Распознавать типовые ошибки и анти-паттерны ускорения (дистилляция от слабого teacher’а, квантование без анализа влияния на задачу, pruning без выигрыша в latency) и предлагать способы их диагностики.
Проектировать комплексную стратегию ускорения модели под ограничения вида «latency ≤ X мс, память ≤ Y ГБ, потеря качества ≤ Z%» и защищать принятые инженерные решения.
Оформлять результаты экспериментов воспроизводимым образом: фиксировать конфигурацию запуска, условия измерения скорости и версии используемых библиотек.

Содержание учебной дисциплины

Зачем ускорять модели: контекст и ограничения. Организационная информация
Knowledge Distillation: идеи и постановка
Квантование моделей
Pruning и структурные методы ускорения
Архитектурные подходы к ускорению моделей
Аппаратное ускорение и особенности инференса
Комбинирование методов ускорения
Разбор типовых ошибок и анти-паттернов ускорения
Финальное занятие: резюме курса

Элементы контроля

Домашние задания
Итоговый проект

Промежуточная аттестация

2026/2027 2nd module
Итог = ОКРУГЛ(МИН(10; 0.25 · ДЗ₁ + 0.25 · ДЗ₂ + 0.5 · ИП)), где ДЗ₁ и ДЗ₂ — оценки за первое и второе домашние задания по 10-балльной шкале (после применения штрафов за просрочку), ИП — оценка за итоговый проект, МИН — функция взятия минимума из двух чисел. Бонусные баллы, набранные в домашних заданиях и в итоговом проекте, прибавляются к оценке за соответствующий элемент контроля и поэтому могут компенсировать потери в его основной части, а через взвешенную сумму — и потери в других элементах; итоговая оценка при этом ограничена сверху значением 10 баллов. Все компоненты берутся неокруглёнными. Отдельный экзамен по курсу не предусмотрен: итоговая оценка является накопительной, а роль итогового элемента контроля выполняет защита итогового проекта в сессию после 3 модуля. Автоматы по курсу не выставляются: итоговый проект защищают все студенты.

Список литературы

Авторы

Емашева Валерия Анатольевна

Магистерская программа «Исследования и предпринимательство в искусственном интеллекте»

Дистилляция и ускорение моделей

Программа дисциплины