Möchten Sie mit Ihrem Team teilnehmen? Ab drei Personen profitieren Sie von unseren Gruppenrabatten! Direkt im Shop buchen!

Back-of-the-Envelope Calculation for Machine Learning Projects – ML-Projekte schnell und strukturiert durchdenken


Workshop am 19. September 2022, 9-17 Uhr


Eine der besten Praktiken, die wir von großartigen Ingenieuren kennen, ist die "Back-of-the-envelope"-Kalkulation, um Kosten und Ressourcen abzuschätzen. Ich glaube, dass Machine Learning Engineering von einer solchen "Back-of-the-envelope"-Kalkulation profitieren würde. Denn wir müssen – so kostengünstig wie möglich – sicherstellen, dass unser zukünftiges ML-Projekt lohnenswert ist, dass es einen Mehrwert bringt und dass die Kosten und Ressourcen transparent und somit abschätzbar sind.
In diesem Workshop lernen wir ein Design-Toolkit für ML-Projekte kennen, um ein solches Prototyping mithilfe von drei Canvas-Typen durchzuführen: Machine Learning Canvas, Data Landscape Canvas und MLOps Stack Canvas.

Vorkenntnisse

Machine-Learning-Grundlagen

Lernziele

  • Wissen, wie man ML-Projekte mit dem ML Design Toolkit strategisch plant
  • Wissen, welche Komponenten zu einem ML-Projekt gehören
  • Wissen, wie man versteckte Kosten und Bottlenecks in ML-Projekten entdeckt und sie rechtzeitig adressiert

Agenda

ab 08:00 Uhr: Registrierung und Begrüßungskaffee

09:00 Uhr: Beginn

09:00 - 10:45 Uhr: ML Use Cases und ML Canvas

10:45 - 11:00 Uhr: Kaffeepause

11:00 - 12:30 Uhr: ML Canvas und Data Landscape Canvas

12:30 - 13:30 Uhr: Mittagspause

13:30 - 15:00 Uhr: ML Stack Canvas

15:00 - 15:15 Uhr: Kaffeepause

15:15 - 16:30 Uhr: ML Stack Canvas

ca. 16:30 - 17:00 Uhr: Ende

 

Technische Anforderungen

Es wird ein eigener Laptop und ein Miro Account benötigt.

Speaker

 

Larysa Visengeriyeva
Larysa Visengeriyeva ist Consultant bei INNOQ und beschäftigt sich dort mit dem Thema der Operationalisierung von Machine Learning (MLOps). Als Mitbegründerin des Projekts ml-ops.org, datamesh-architecture.com interessiert sie sich besonders für die Schnittstellen zwischen Software Engineering und Machine Learning. Sie hat an der TU Berlin im Bereich Augmented Data Quality promoviert.

Gold-Sponsoren

Accenture
INFOMOTION
InterSystems
Timecho

Silber-Sponsoren

codecentric AG
inovex

data2day-Newsletter

Ihr möchtet über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden