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.

Agenda

  • ab 08:00 Uhr: Registrierung und Begrüßungskaffee
  • 09:00 Uhr: Beginn
  • Einführung in das Projekt und Überblick
    • - Grundlagen von ML
      - Phasen eines ML Projekts
      - Unser Beispiel erkunden
      - TensorFlow und Scikit-Learn
  • 10:45 - 11:00 Uhr: Kaffeepause
  • Phase I: Exploration
    • - Was ist der Sinn dieser Phase, was sind die Ziele
      - Wieso bauen wir hier keine "richtige" Software?
      - Arbeit mit Notebooks und Colab
      - Übergang zu Phase II
  • 12:30 - 13:30 Uhr: Mittagspause
  • Phase II: Professionalisierung
    • - Vom Notebook zum Modul
      - Vom Notebook zum Script
      - Testing mit Python Unit testing
      - Finden von Fehlern und Debugging
      - Was muss man dokumentieren?
      - Arbeit in der IDE
      - Übergang zu Phase III oder I
  • 15:00 - 15:15 Uhr: Kaffeepause
  • Phase III: Produktion
    • - Produktivsetzung
      - Drifts, Monitoring, Alerting
      - Evidently, Prometheus, Grafana
      - Übergang zu Phase II oder I
  • ca. 17:00 Uhr: Ende

 

Technische Anforderungen

Falls ihr ein Gerät eurer Firma verwendet, überprüft vorher bitte, ob eines der folgenden, gelegentlich vorkommenden Probleme bei euch auftreten könnte.
  • Workshop-Teilnehmer:in hat keine Administrator-Rechte.
  • Corporate Laptops mit übermäßig penibler Sicherheitssoftware
  • Gesetzte Corporate-Proxies, über die man in der Firma kommunizieren muss, die aber in einer anderen Umgebung entsprechend nicht erreicht werden.

Vorbereitung
Dieser Workshop geht davon aus, dass ihr bereits eine
Entwicklungsumgebung mit IDE, Python Distribution und Git auf eurem Rechner lauffähig habt.
Sollte das nicht der Fall sein und ihr nicht sicher seid, welche Software passt, installiert bitte:

Wir werden auf einem Beispielprojekt arbeiten. Habt bitte bereits vor dem Workshop

Speaker

 

Oliver Zeigermann
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.

Lars Röwekamp
Lars Röwekamp ist Gründer des IT-Beratungs- und Entwicklungsunternehmens open knowledge GmbH. Als "CIO New Technologies" analysiert er ständig neue Software- und Technologietrends. Ein besonderes Augenmerk liegt derzeit in der Einbettung von ML-basierten Prozessen und Anwendungen in die bestehende IT-Landschaft von Unternehmen. Mit seinen Kunden analysiert er Möglichkeiten – und Grenzen – der Erweiterung und Optimierung von Geschäftsprozessen auf Grundlage ML-basierter Ansätze und setzt diese bis zur Produktionsreife um.

Gold-Sponsor

infoteam
Novatec

M3-Newsletter

Sie möchten über die Minds Mastering Machines
auf dem Laufenden gehalten werden?

 

Anmelden