Machine Learning in der Cloud: Ein Praxisbeispiel mit Amazon SageMaker

Noch vor wenigen Jahren benötigte man ein ganzes Expertenteam, um ein Machine-Learning-Modell zu entwickeln und in Produktion zu nutzen. Zudem musste man in leistungsfähige Server investieren. Beides ist heute nicht mehr notwendig. Die großen Cloud-Anbieter bieten ML-Systeme an, die es einzelnen Data Scientists erlauben, ein Modell innerhalb von wenigen Wochen in Produktion zu bringen.

Dass dies kein Marketingversprechen ist, wird Oliver anhand eines Praxisbeispiels demonstrieren: Für Scout24 hat er mit Amazon SageMaker ein serverloses ML-Modell entwickelt (WohnBarometer), das Preisprognosen für den deutschen Immobilienmarkt liefert, die bundesweit in großen Medien rezipiert werden.

Vorkenntnisse

• Grundverständnis von Maschine Learning und Cloud Computing

Lernziele

• Mit der Vorstellung aufräumen, dass es große Expertenteams und hohe Startinvestitionen braucht, um ein Machine-Learning-Modell in Produktion zu bringen