DevOps für Maschinelles Lernen mit Kubeflow
Die Erstellung eines Modells für maschinelles Lernen ist nur ein Ausgangspunkt. Um es in die Produktion zu bringen, müssen Sie verschiedene reale Probleme lösen, wie z. B.
- den Aufbau einer Pipeline für kontinuierliches Modelltraining
- die Automatisierung der Validierung der Modelle
- die Schaffung einer Serving-Infrastruktur
- die Implementierung der Überwachung
- und vieles mehr.
Um diese Herausforderungen zu meistern, gibt es verschiedene Lösungen auf dem Markt, wie z.B. Kubeflow.
In dieser Session zeigt Sascha Dittmann, wie Kubeflow für Ihre KI-Projekte von Nutzen sein kann und wie Sie dies in Ihre tägliche Arbeit integrieren können.
Vorkenntnisse
Grundkenntnisse in ML und Container
Lernziele
Verständnis schaffen, wie DevOps Tools wie bswp. Kubeflow den Machine Learning Prozess unterstützen können und welche verschiedenen Möglichkeiten diese Lösung bietet.