Entwicklung einer in-house AI-Plattform

Maschinelles Lernen wird in immer mehr Unternehmen ein integraler Bestandteil der Wertschöpfung und erfordert eine geeignete Systemlandschaft. Fällt die Entscheidung gegen die Nutzung eines kommerziellen Serivceanbieters und für eine Eigenentwicklung stellen sich zahlreiche Fragen:

• Mit welchen Tools organisiere ich Modelle mit Blick auf Deployment und Versionierung?
• Wie erreiche ich effiziente Entwicklungsprozess bei gesicherte Modellqualität?
• Wie monitore und skaliere ich aktive Modelle?
• Sind Cloud- oder Container-basierte Workflows die Lösung?

Aus eigenen Erfahrungen beantwortet der Vortrag diese Fragen und stellt mögliche Architekturen sowie wichtige Open-Source-Komponenten vor.

Vorkenntnisse

Ein generelles Verständnis von Machine Learning und dessen technischen Herausforderungen

Lernziele

• Verständnis unterschiedlicher Architekturen abhängig von der unternehmensweiten IT-Infrastruktur
• Übersicht über gängige ML-Versionierung und Deployment Tools
• Profitieren von praktische Erfahrungen anderer

 

Speaker

 

Nico Kreiling
Nico Kreiling ist stets neugierig und begeistert sich schnell für neue Technologien. Er arbeitet als Data Scientist bei inovex und produziert den inoTecCast, einen Entwickler-Podcast, in dem spannende, innovative Technologien erklärt werden.

Gold-Sponsoren

HMS
Structr

Silber-Sponsoren

codecentric
Phytec

Bronze-Sponsor

incontext.technology GmbH

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden