Möchten Sie mit Ihrem Team teilnehmen? Profitieren Sie von unseren Gruppenrabatten! Schreiben Sie an events@dpunkt.de

Serverless ML: Effizientes und kostengünstiges ML Deployment auf AWS

Nicht für alle Anwendungsfälle sind der Overhead für MLOps-Frameworks oder selbst betriebene Kubernetes-Cluster gerechtfertigt. Gerade in der Bereitstellung von Modellen in Proof of Concepts oder in Projekten mit einer geringen Anzahl von End-Usern bieten sich kostengünstige technische Lösungen an – wie das Deployment auf AWS Lambda als Serverless-Technologie.

In diesem Vortrag wird eine kosteneffiziente, End-2-End-ML-Produktionisierung auf dem AWS Stack aus der Praxis vorgestellt. Die folgenden Themengebiete des ML-Produktionisierungsprozesses werden mit Beispielimplementierung vorgestellt: Version Control, Testing, Dependency Management, Static Code Analysis, CI/CD, IaaC, Authentication/SSO und Monitoring.

Vorkenntnisse

  • Praktische Kenntnisse im Training von Machine-Learning-Modellen (z.B. Arbeit als Data Scientist)

Lernziele

  • Gute Übersicht über verschiedene Schritte des ML-Produktionisierungsprozesses
  • Übersicht über essentielle Cloud Services auf AWS (Cloudformation, S3, Lambda, ECR)
  • Übersicht über grundlegende (static) Python-Code-Analyzer
  • Einbindung in CI/CD (Azure DevOps)
  • Einschätzung wann Serverless eine gute Option sein kann

Speaker

 


Nicolas Renkamp ist Lead Architect Data & Analytics bei Merck Life Science und unter anderem verantwortlich für die Architektur der Datenplatform. Vor seiner Zeit bei Merck arbeitete Nicolas an der Überschneidung der Themenfelder Softwareentwicklung und Data Science: Im Bereich IoT und Predictive Maintenance bei SAP.

Gold-Sponsoren

INFOMOTION
denodo

Silber-Sponsor

inovex

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden