Erfahrungen mit einer End-to-End MLOps-Pipeline: Praktische Einblicke

Die Implementierung einer End-to-End MLOps-Pipeline ist ein komplexer Prozess, der viele Herausforderungen und Lernmöglichkeiten bietet.

In diesem Vortrag werden konkrete Erfahrungen bei der Entwicklung und Umsetzung einer End-to-End MLOps-Pipeline geteilt.

Wir beleuchten die praktischen Aspekte von der Datenvorbereitung über das Modelltraining bis hin zur Bereitstellung und Überwachung in produktiven Umgebungen. Dabei werden wichtige Entscheidungen, Herausforderungen und Erfolgsfaktoren, die bei der Implementierung einer solchen Pipeline auftreten können, diskutiert. Darüber hinaus werden bewährte Praktiken und Empfehlungen für einen reibungslosen Betrieb vorgestellt.

Vorkenntnisse

Besucher sollten grundlegende Kenntnisse im Bereich maschinelles Lernen und Datenanalyse mitbringen sowie ein Verständnis für MLOps-Konzepte und Erfahrung mit Datenpipelines haben. Ein Interesse an praktischen Erfahrungen und Fallstudien zur Umsetzung von MLOps-Pipelines ist von Vorteil.

Lernziele

Die Teilnehmenden sollen verstehen,

  • wie eine End-to-End MLOps-Pipeline entwickelt und implementiert wird.
  • Sie sollen praktische Einblicke in die Datenvorbereitung, Modelltraining, Bereitstellung und Überwachung erhalten sowie
  • bewährte Praktiken zur Optimierung des MLOps-Prozesses kennenlernen.

Speaker

 

René Brunner
René Brunner ist ein erfahrener Data Scientist und Ingenieur mit Leidenschaft für die Entwicklung von innovativen Lösungen im Bereich des maschinellen Lernens und der künstlichen Intelligenz. Mit einem starken Hintergrund in Informatik und Datenanalyse verfügt Prof. Dr. René Brunner über umfassende Kenntnisse in der Entwicklung und Implementierung von MLOps-Pipelines für Unternehmen verschiedener Branchen.

Eric Joachim  Liese
Eric Joachim Liese arbeitete nach seinem Abschluss in Mathematik und Informatik mit Schwerpunkt auf maschinellem Lernen und KI mehrere Jahre lang als Senior Data Scientist, ML Engineer und Berater. Er entwarf Konzepte zur Automatisierung der Entwicklung von KI-Produkten durch die Erstellung von End-to-End MLOps Pipelines sowie Strategien, die Unternehmen dabei helfen, daten- und KI-gesteuert zu werden.

data2day-Newsletter

Ihr möchtet über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden