Zurück

Der Entwicklungsprozess eines Machine-Learning-Projekts

Ein Tutorial aus dem Internet zu programmieren oder an einem Kaggle-Wettbewerb teilzunehmen, das ist etwas ganz anderes als die Entwicklung eines Machine-Learning-Modells, das als Teil eines Software-Stacks in Produktion gehen kann. Eine der wesentlichen Herausforderungen ist, dass man einerseits interaktiv und explorativ vorgehen möchte, aber gleichzeitig robuste und wartbare Software schreiben muss.

In diesem Talk beschreiben wir ein Modell für die unterschiedlichen Phasen eines Machine-Learning-Projekts und zeigen im technischen Detail, welche Artefakte in welcher Phase entstehen und wie diese in andere Phasen übergehen.

Vorkenntnisse

Eine grundlegende Idee von der Arbeit im Bereich Data Science oder der Software-Entwicklung.

Lernziele

Teilnehmer:innen verstehen die besondere Herausforderung der professionellen Entwicklung eines Machine-Learning-Modells und dazu einen passenden Ansatz.

Speaker

Oliver Zeigermann ist Softwareentwickler und Architekt aus Hamburg. Er entwickelt seit mehr als drei Jahrzehnten Software mit verschiedenen Ansätzen und Programmiersprachen. In letzter Zeit konzentriert er sich auf maschinelles Lernen und dessen Interaktionen mit Menschen.

Mikio Braun hilft als Consultant Unternehmen dabei, Machine Learning in die Praxis umzusetzen. Nachdem er gut zehn Jahre an der TU Berlin als Forscher im Bereich maschinelles Lernen tätig war, arbeitete er als Data Scientist u.a. bei Zalando und GetYourGuide. Er interessiert sich vor allem dafür, wie man die beiden Welten Wissenschaft und Industrie zusammenbringen kann.

Jetzt Tickets sichern

M3-Newsletter

Ihr möchtet über die Minds Mastering Machines
auf dem Laufenden gehalten werden?

Anmelden