ML Engineering: מהמחקר למציאות Machine Learning זה לא רק לבנות מודלים – זה לדעת איך להפוך אותם לחלק ממערכת שעובדת באמת, בסקייל, בפרודקשן, ובעיקר – מביאה תוצאות. בפרק הזה של Tech Radar Voice, שני כהן, Senior ML Engineer ב- Tikal, מארחת את קוסטה קלינובסקי, MLOps Engineer ב-Imperva, לשיחה על איך לוקחים רעיון מחקרי והופכים אותו למערכת אמינה שרצה אצל יוזרים אמיתיים. הם עוברים יחד על כל ה-ML lifecycle – מהאיסוף של הדאטה, דרך תכנון הפיצ'רים וניהול האקספרימנטים, ועד לאימון, deployment וניטור בפרודקשיין. דרך use case של זיהוי הונאות בפלטפורמת e-commerce, הם מדברים על אתגרים יומיומיים – כמו למשל איך שומרים על מודל עדכני, איך מטפלים ב data drift, ואיך בונים תהליך שאפשר לסמוך עליו לאורך זמן. בזכות כלים כמו feature stores, model registries ו-LLMs, הפער בין מחקר ל engineering הולך ומצטמצם – והפרק הזה הוא בדיוק המקום להתחיל בו את המסע לעולמות של MLOps מודרני.