MLOps – Überblick, Methoden und Technologien
Online-Workshop am 29. November 2021, 9-16 Uhr
Beim M3-Thementag zu MLOps wurden zahlreiche Aspekte vorgestellt, um Data-Science-Projekte auch erfolgreich in den produktiven Einsatz bringen zu können. Dabei gilt jedoch wie so oft: Übung macht den Meister.
Daher geht es in diesem Workshop darum, die relevanten Elemente von MLOps selbst beispielhaft anzuwenden. Betrachtet werden dabei:
- Dateiversionierung sowie Experiment- und Modellverwaltung: Ein wichtiger Bestandteil nicht nur zu Beginn eines Projektes.
- Orchestrierung verschiedener Teilprozesse einer ML-Pipeline: Daten aufbereiten, Model trainieren, Vorhersagen treffen – und dann alles wieder von vorne.
- MLOps-Praktiken für Continuous Delivery: Wie bekomme ich mein Modell in Produktion, und das regelmäßig und automatisch?
- Monitoring produktiver ML-Anwendungen: Funktioniert das Modell auch in der echten Welt oder muss ich mein Modell nachjustieren?
Vorkenntnisse
Python-Kenntnisse sind hilfreich, aber nicht unbedingt notwendig. Der Fokus liegt auf Nutzung und Nutzungsmöglichkeiten der Tools, weniger auf Programmierung.
Lernziele
Ziel des Workshop ist es, dass Sie für die Herausforderungen in diesem Umfeld Lösungsstrategien kennen. Außerdem können Sie einschätzen, welche Tools Sie bei welchen Problemen unterstützen. Dabei geht der Blick nicht nur auf oben genannten Werkzeuge, sondern ordnet auch weitere populäre Werkzeuge ein, zum Beispiel Airflow, Seldon Core sowie die Angebote der großen Cloud-Anbieter.
Agenda
10:00 - 11:30 Einstieg, Überblick ML-Ops, Daten & Modellverwaltung11:30 - 11:45 Pause
11:45 - 13:15 CI & CD für Machine Learning
13:15 - 14:15 Mittagspause
13:15 - 15:45 Pipelines & Orchestrierung
15:45 - 16:00 Pause
16:00 - 17:00 Deployment & Monitoring
Technische Anforderungen
Docker & Docker-Compose in aktueller Version, optimalerweise mit Admin-Rechten auf dem Rechner.Docker-Images für den Workshop sowie eine Anleitung zur (kurzen) Einrichtung werden rechtzeitig vor dem Workshop bereitgestellt. Die Einrichtung sollte vor dem Workshop durchgeführt werden.
Speaker
Tim Sabsch möchte als Data Scientist seine ML-Modelle nicht nur auf dem eigenen Rechner sehen, sondern in der realen Anwendung und mit echtem Mehrwert für den Kunden. Dabei stößt er regelmäßig auf neue Tools und coole Tricks, die er mit der Community teilt.
Matthias Radtke ist Data Scientist bei der codecentric AG. Der promovierte Physiker analysiert Daten aller Erscheinungsformen und entwickelt datengetriebene, intelligente Lösungen und Produkte für Unternehmen der digital transformierten Welt.