Der steinige Weg vom Prototyp zum Einsatz in Produktion

Hat man erst einmal ein Modell gelernt, das gute Ergebnisse liefert, ist ein wichtiger Schritt getan. Oft folgt dann aber noch ein langer und manchmal steiniger Weg, bis die Modelle auch in Produktion laufen können. Abläufe müssen automatisiert werden, Modelle müssen technisch verfügbar gemacht werden – und oft geht das mit einem Wechsel der technischen Umgebung einher. Anstelle von Jupyter Notebooks redet man eher von REST Services und Kubernetes.
In diesem Talk möchte ich den Weg aus technischer Sicht begleiten und erklären, was beachtet werden muss, und welche Tools einem dabei schon weiterhelfen können oder wo es noch Lücken in den Angeboten der wichtigsten Cloudanbieter gibt. Das erleichtert es, die Tooling-Landschaft besser einzuordnen, zu wissen, was man verwenden kann und wo man noch mit Eigenentwicklungen rechnen muss. So lässt sich außerdem sicherstellen, dass man nicht zu viel Zeit mit Evaluierung verbringt.

Speaker

 

Mikio Braun
Mikio Braun hilft als Consultant Unternehmen dabei, Machine Learning in die Praxis umzusetzen. Nachdem er gut zehn Jahre an der TU Berlin als Forscher im Bereich maschinelles Lernen tätig war, arbeitete zuvor als Data Scientist u.a. bei Zalando und GetYourGuide. Er interessiert sich vor allem dafür, wie man die beiden Welten Wissenschaft und Industrie zusammenbringen kann.

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden