Produktivsetzung von Python-Modellen mit Azure

Produktivsetzung von ML-Modellen mit Azure Data Scientisten entwickeln viele ML-Modelle, wobei die allermeisten nicht produktiv genutzt werden. Das Beste und optimierte Modell soll idealerweise auch in der Praxis genutzt werden. Hierzu muss das meist lokal entwickelte ML-Modell deployed und somit zugänglich gemacht werden. Wir wollen zeigen wie man mit Hilfe des Microsoft Azure ML Service ein lokal erstelltes ML-Modell (in Python) nutzen kann. Hierzu wird das finale Modell exportiert und der Input und Output definiert. Das trainierte Modell wird dann in der Microsoft Azure Umgebung eingebunden, welches über einen Webservice zu erreichen ist.

Vorkenntnisse

Basiskenntnisse in Python sind hilfreich, aber nicht notwendig.

Lernziele

Ziel des Vortrags ist es, ein zuvor lokal entwickeltes Demo-Modell im Azure ML Service zu deployen und dieses über einen Webservice anzusprechen.