Zurück

MLOps Factory: Infrastruktur-Stacks für ML-Projekte mit MLOps Canvas

MLOps definiert sprach-, framework- und plattformunabhängige Praktiken für das Design, die Entwicklung und die Wartung von ML-Anwendungen. Derzeit sind die Prozesse und die technischen Stacks für die Entwicklung von Software mit ML-Komponenten innerhalb der MLOps-Community noch nicht etabliert.
In dem Vortrag spreche ich über CRISP-ML(Q): Der ML Development Lifecycle Prozess. Um eine Architektur und einen Infrastruktur-Stack für MLOps zu spezifizieren, stelle ich das von mir entwickelte MLOps Stack Canvas Framework vor und zeige, wie man damit den Stack strukturiert definiert.

Vorkenntnisse

Allgemeines Verständnis über Machine Learning

Lernziele

Prozesse mit CRISP-ML(Q) verstehen
MLOps Stack Canvas kennenlernen

Speaker

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

Jetzt Tickets sichern

data2day-Newsletter

Du möchtest über die data2day
auf dem Laufenden gehalten werden?

Anmelden