MLOps: Machine-Learning-Modelle erstellen und in die Produktion überführen

Data Scientists werden mehr und mehr in die Deployment-Pipeline von Software-Produkten mit einbezogen. Dabei ist es eine nichttriviale Aufgabe, sicherzustellen, dass ihre Arbeit gut integriert wird. Natürlich ist dies kein neues Problem: In der Vergangenheit warfen traditionelle Software-Entwicklungsteams ihre Arbeit "über die Mauer" zum Betriebsteam. DevOps entfernte die Mauer zwischen Entwicklung und Betrieb, um die Effizienz zu steigern und die Produktqualität zu verbessern.

Machine Learning steht jetzt vor der gleichen Herausforderung. Durch die hohe Nachfrage nach KI-Produkten wird dies noch verstärkt. Es gibt oft eine neue Mauer, die die Produktivität mindert: Die Trennung zwischen ML Modell Entwicklung und Betrieb dieser Modelle. Die Schmerzpunkte, die wir heute in der Industrie sehen, fühlen sich vertraut an, haben aber auch einzigartige Aspekte von Machine Learning Anforderungen - hier kommt Machine Learning Operations (MLOps) ins Spiel.

Wie verändert sich DevOps mit der Zunahme von Data Science Teams in der Entwicklung? Wie sieht die Mischung zwischen ML und Software-Engineering aus? Wie kann man KI-Lösungen vor Ort, in der Cloud oder "on the Edge" einsetzen und verwalten? Wie kann man mit realen Szenarien wie A/B-Tests umgehen?

In diesem Workshop helfen wir Ihnen bei der Beantwortung dieser sowie vieler weiterer Fragen und schulen Sie im Bereich MLOps. Damit der Erfolg Ihrer KI-Bemühungen gesichert ist und Sie den Übergang von der Entwicklung in den produktiven Betrieb meistern.

Zielgruppe

Softwareentwickler:innen, DevOps Engineers und Data Scientists

Voraussetzungen

• Basis Kenntnisse Python, Machine Learning und Tensorfow
• Basis Kenntnisse in Cloud Technologien und Docker
• Es wird ein gängiger Browser Visual Studio Code, Azure CLI, SSH und Docker benötigt (bitte vorher einrichten)

Zur Workshop-Durchführung wird Zoom verwendet mittels eines DSGVO-konformen On-Premise-Connectors. Wir bitten Sie, ein Mikrofon oder Headset sowie einen aktuellen Browser zu nutzen.

Inhalte (für mehr Details auf die einzelnen Punkte klicken)

Trainer

Philipp Braunhart

Philipp Braunhart ist Data Scientist, Mitgründer von ingenio ai und studierter Physiker und IT-Ingenieur. Für und mit Kunden entwickelt er auf der Basis gängiger, skalierbarer Infrastruktur KI-Modelle für den direkten Einsatz in den Bereichen Bio-, Agrar- und Medizin-Technologie. Dabei steht immer der reale Nutzen im Fokus. Bei diesen Tätigkeiten helfen ihm seine Industrie-Erfahrungen von Siemens. Mit viel Freude gibt er sein Wissen weiter und begeistert andere für Machine Learning. 

Moustapha Karaki

Moustapha Karaki ist Data Scientist, Mitgründer von ingenio ai und studierter Maschinenbauer und IT-Ingenieur. Er schätzt die enge und lösungsorientierte Zusammenarbeit mit Kunden, bei der er den realen Mehrwert immer im Blick hat. Dabei betrachtet er KI aus einer ganzheitlichen Perspektive und konzentriert sich daher auf End-to-End-KI-Lösungen und KI-Architektur. Derzeit unterstützt er KMUs in der Bio-, Agrar- und Medizinbranche bei ingenio ai und Großunternehmen in den Bereichen Automotive, Produktion und erneuerbare Energien bei IBM.

Leistungen Ihres Workshoptickets

• Workshopunterlagen
• Teilnahmebescheinigung

Durchführung

Ist die Durchführung der Veranstaltung aufgrund höherer Gewalt, wegen Verhinderung eines Referenten, wegen Störungen am Veranstaltungsort oder aufgrund zu geringer Teilnehmerzahl (weniger als 50%) nicht möglich, werden die Teilnehmer spätestens 7 Tage vorher durch das heise Events-Team informiert.

Jetzt Tickets buchen

10% Frühbucherrabatt bis 4 Wochen vor Veranstaltungsbeginn

Bitte nutzen Sie für den Ticketkauf eine E-Mail-Adresse, auf die Sie freien Zugriff haben.

* Preise beinhalten 19% Mehrwertsteuer.

Haben Sie Fragen zur Organisation oder der Veranstaltung? Gern beantworte ich Ihre Fragen per E-Mail.

Jennifer Rypalla 

Projektmanagerin Workshops