MLOps mit Argo Workflows und Kubernetes

Argo Workflows und Kubernetes sind mächtige Tools für die Automatisierung und Verwaltung von Machine-Learning-Projekten. in diesem Vortrag gebe ich eine Übersicht über MLOps und stelle Argo Workflows und Kubernetes vor.

Ich zeige auf, warum diese Tools besonders gut für Machine Learning geeignet sind und wie man sie für Data-Cleaning-Pipelines und das Training von ML-Modellen nutzen kann. Außerdem gehe ich auf die Möglichkeiten von Batch Inference mit Argo ein und gebe Tipps für den Einsatz in der Praxis.

Am Ende haben Sie einen Überblick über die Anwendungsmöglichkeiten von Argo Workflows und Kubernetes im ML-Bereich und wissen, wie Sie diese Tools in Ihren Projekten nutzen können.

Vorkenntnisse

• Grundlegende Kenntnisse im Bereich Machine Learning
  
• Grundlegende Kenntnisse von Container-Technologien wie Docker
  
• Erste Erfahrungen mit Kubernetes (optional)

Lernziele

• Verstehen, wie MLOps die Entwicklung und Verwaltung von Machine-Learning-Projekten unterstützt
  
• Grundlegendes Wissen über Kubernetes und Argo Workflows erlangen
  
• Erfahren, warum Argo Workflows und Kubernetes besonders gut für ML geeignet sind
  
• Lernen, wie Argo Workflows für Data-Cleaning-Pipelines genutzt werden können
  
• Erfahren, wie man ML-Modelle mit Kubernetes trainiert
  
• Lernen, wie man effektive Batch-Inference mit Argo durchführt