MLOps – Überblick, Methoden und Technologien
Dieser Online-Workshop findet am 16. Juni 2021 statt.
Noch immer schaffen es viele Data-Science-Projekte nicht in den produktiven Einsatz, oder der Nutzen schwindet schon nach kurzer Zeit. Woran das liegt und welche Skills und Tools Sie benötigen, um diese Szenarien zu verhindern – darum geht es in diesem WorkshopBetrachtet werden dabei:
* Dateiversionierung sowie Experiment- und Modellverwaltung: Ein wichtiger Bestandteil nicht nur zu Beginn eines Projektes.
* MLOps-Praktiken für Continuous Delivery: Wie bekomme ich mein Modell in Produktion, und das regelmäßig und automatisch?
* Orchestrierung verschiedener Teilprozesse einer ML-Pipeline: Daten aufbereiten, Model trainieren, Vorhersagen treffen – und dann alles wieder von vorne.
* Monitoring produktiver ML-Anwendungen: Funktioniert das Modell auch in der echten Welt oder muss ich mein Modell nachjustieren?
Dabei lernen Sie unter anderem die Werkzeuge dvc, mlflow, Airflow und onnx durch Hands-on-Übungen kennen.
Lernziele
Ziel des Workshop ist es, dass Sie für die Herausforderungen in diesem Umfeld Lösungsstrategien kennen. Außerdem können Sie einschätzen, welche Tools Sie bei welchen Problemen unterstützen. Dabei geht der Blick nicht nur auf oben genannten Werkzeuge, sondern ordnet auch weitere populäre Werkzeuge ein, zum Beispiel kedro, kubeflow sowie die Angebote der großen Cloud-Anbieter.
Agenda
09:00 - 10:30 Einstieg, Überblick ML-Ops, Daten & Modellverwaltung10:30 - 10:45 Pause
10:15 - 12:15 CI & CD für Machine Learning
12:15 - 13:15 Mittagspause
13:15 - 14:45 Pipelines & Orchestrierung
14:45 - 15:00 Pause
15:00 - 16:00 Deployment & Monitoring
Technische Anforderungen
- Python-Kenntnisse sind hilfreich, aber nicht unbedingt notwendig. Der Fokus liegt auf Nutzung und Nutzungsmöglichkeiten der Tools, weniger auf Programmierung.
- Docker & Docker-Compose in aktueller Version, optimalerweise mit Admin-Rechten auf dem Rechner. Docker-Images für den Workshop sowie eine Anleitung zur (kurzen) Einrichtung werden rechtzeitig vor dem Workshop bereitgestellt. Die Einrichtung sollte vor dem Workshop durchgeführt werden.
Speaker
Mark Keinhörster ist im Big-Data-Zoo zu Hause und bringt Erfahrungen mit Hadoop, TensorFlow und Apache Spark mit. Außerdem beschäftigt er sich mit Docker, Cloud-Technologien und Machine-Learning.
Matthias Radtke ist Data Scientist bei der codecentric AG. Der promovierte Physiker analysiert Daten aller Erscheinungsformen und entwickelt datengetriebene, intelligente Lösungen und Produkte für Unternehmen der digital transformierten Welt.