Kotlin? Für Machine Learning?

Python ist die Sprache der Wahl, wenn es um Machine Learning geht. Leicht zu lernen, gut lesbare Syntax und ein riesiges Ökosystem. Warum sollte ich mich da mit anderen Sprachen beschäftigen? Und warum gerade mit Kotlin?
In diesem Vortrag zeige ich dir, wie du Kotlin in jeder Phase deines Machine Learning Projektes einsetzt. Von Data-Cleaning und Feature-Extraction bis zum Deployment des Modells in Produktion und Model-Serving.
Wir werden über Kotlin in Notebooks, Visualisierungen und Tools aus dem Kotlin-Ökosystem sprechen, die du für deine Projekte verwenden kannst.
Und darüber, ob Kotlin es Data Scientists ermöglichen kann, Systeme für die Produktion und nicht nur PoCs zu erstellen.

Vorkenntnisse

• Grundkenntnisse Softwareentwicklung
  
• Grundkenntnisse Machine Learning
  
• Grundkenntnisse DevOps
  
• Kotlin Kenntnisse sind nicht notwendig
  

Lernziele

• Warum Kotlin?
  
• Machine Learning Modelle vsl Machine Learning Systeme
  
• Grundlagen Kotlin
  
• Data Engineering und Feature Engineering mit Kotlin
  
• Jupyter Notebooks: Kotlin Kernel
  
• MLOps und Kotlin
  
• Modelle bauen mit KotlinDL
  
• Vom PoC zur Produktion
  
• Model Serving mit Ktor
  
• Ideale und weniger gute Einsatzgebiete von Kotlin im Bereich Data Science