MLOps mit Python und TensorFlow
Machine Learning betrachtet als ein Engineering-Problem
Dieser Workshop findet am 1. Juni 2022 in Karlsruhe statt.
Eine praxistaugliche Anwendung mit Techniken des Machine Learning zu entwickeln ist in erster Linie eine Herausforderung im Bereich des Engineerings. Dabei geht es mehr um den Entwicklungsprozess und weniger um die konkret eingesetzte Technik und die Bibliotheken.
In diesem Workshop gehen wir gemeinsam durch die unterschiedlichen Phasen eines Machine-Learning-Projekts, von der Exploration und Validierung eines Machine-Learning-Ansatzes über die Professionalisierung zu einem stabilen Stück Software bis in den produktiven Einsatz.
In der ersten Phase entwickeln wir eine ML-basierte Lösung für ein gegebenes Problem. Dabei iterieren wir mit der Hilfe von Notebooks schnell durch unterschiedliche Experimente. Am Ende dieser Phase haben wir unsere Idee (hoffentlich) validiert und können mit diesem Ansatz in die nächste Phase übergehen.
In Phase zwei professionalisieren wir unseren gefundenen Ansatz in Richtung Produktion. Dabei bringen wir unsere Experimente in
Python-Module und bereiten diese für die Produktion vor. In dieser letzten Phase der Produktion sehen wir uns an, wie man ein solches Modell betreiben und monitoren kann.
Alle Schritte sind hands-on, und wir werden genug Zeit für Diskussionen haben.
Vorkenntnisse
Teilnehmer sollten entweder mit den Werkzeugen und dem Vorgehen im Bereich Data Science und/oder als Machine Learning
Engineer grundlegende Erfahrung haben. Die Sprache Python ist ebenso Grundlage.
Die Werkzeuge sind von untergeordneter Bedeutung. Kenntnisse im Bereich TensorFlow oder Scikit-Learn, Jupyter Notebooks
und Colab erleichtern die Entwicklung jedoch.
Lernziele
In diesem durch praktische Übungen geprägten Workshop wollen wir zusammen die Herausforderungen kennen lernen und meistern, die sich aus dem Ziel "langfristig in Produktion sein" ergeben.