DevOps für Machine Learning-Projekte
DevOps ist aus der klassischen Softwareentwicklung nicht mehr wegzudenken. Auch in den meisten datenzentrischen Projekten spielt dies eine immer großer werdende Rolle. Doch wie nutze ich das volle Potenzial meiner DevOps Tools?
In dieser Session geht Sascha dieser Fragestellung nach und zeigt, wie man mit Azure DevOps, GitHub Actions, Kubeflow und anderen CI/CD Tools, DevOps-Pipelines für Advanced-Analytics- und Machine-Learning-Projekte aufbauen kann.
Hierbei geht er auf Themen wie Source-Code-Verwaltung, Infrastructure as Code, Unit- und Integration-Tests, aber auch das automatische Deployment in Test- und Produktionsumgebungen ein.
Vorkenntnisse
Grundlagen Machine Learning sind von Vorteil
Lernziele
Übersicht, wie verschiedene CI/CD Tools für ML-Projekte eingesetzt werden können