Mit der Möglichkeit zur Erfassung immenser Datenmengen und der Verbreitung von ML-Frameworks wächst in Unternehmen das Interesse, intelligente Verfahren in Business-Prozesse einzubinden oder auf deren Grundlage innovative Datenprodukte zu entwickeln.
Data Scientists analysieren in diesem Zusammenhang reale Problemstellungen und nähern sich iterativ einer Lösung an. Eine Herausforderung besteht darin, die daraus resultierenden und eher prototypischen Implementierungen skalierbar in produktive Systeme zu integrieren.
In diesem Talk werden verschiedene Deployment-Strategien vorgestellt und anhand exemplarischer Use-Cases veranschaulicht
Vorkenntnisse
Keine besonderen Vorkenntnisse nötig
Lernziele
* Dem Zuhörer wird ein Einblick in die Arbeitsweise eines Data Scientist sowie dessen Einbettung in agile Entwicklungsteams vermittelt.
* Darüber hinaus werden Strategien zur Integration von ML-Pipelines in produktive Systeme für verschiedene Einsatzszenarien vorgestellt und anhand praxisnaher Beispielarchitekturen konkretisiert.
//
Marcel Spitzer
ist als Big Data Scientist bei inovex tätig. Sein Haupteinsatzbereich liegt in der Schnittmenge von Data Engineering, Data Science und Application Development. Aus seinen Projekten bringt er Hands-On-Erfahrung im Prototyping, Deployment und Monitoring von ML-Modellen mit Open-Source-Technologien mit.