data2day 2022

Am 20. und 21. September 2022 findet die data 2day, die Konferenz für Data Scientists, Data Engineers und Data Teams, in Karlsruhe statt. Sie ist für alle Fachleute, die Daten erfassen, speichern, aufbereiten, analysieren und visualisieren. Freue dich auf praxisnahes Wissen rund um Data Science. Wir haben einen Workshop und einen Vortrag für dich mit im Gepäck.

IHK Karlsruhe
Lammstr. 13-17
76133 Karlsruhe
19
.
09
.
2022
-
21
.
09
.
2022

MLOps mit Python

Workshop mit Oliver Zeigermann und Tobias Kurzydym

Viele Unternehmen haben die Phase des reinen Experimentierens mit Machine Learning hinter sich gelassen und fragen sich nun, wie man ein Machine-Learning-Modell so betreibt wie ein traditionelles Stück Software. Also wie man es in Produktion bringt und dort erfolgreich hält. MLOps ist der Name für diesen Ansatz.In diesem Workshop werden wir uns anhand eines durchgängigen Beispiel durch die Phasen eines Machine-Learning-Projekts bewegen:

  • Exploration: Entwicklung eines Modells mit Jupyter Notebooks und TensorFlow
  • Professionalisierung: Refactoring in Module
  • Produktion und Monitoring: Produktivsetzung mit Flask und Docker, Monitoring mit Prometheus, Evidently und Grafana

Vorkenntnisse

Es wird lediglich Erfahrung mit Python und ein Verständnis für ein Machine Learning Projekt vorausgesetzt. Alles andere wird – soweit nötig – im Workshop eingeführt

Lernziele

Teilnehmende sollen anhand eines in sich stimmigen Satzes von Werkzeugen die Konzepte und Ansätze im Bereich MLOps kennenlernen und diskutieren können

Monitoring von Drift mit Prometheus, Grafana und Evidently

Vortrag von Oliver Zeigermann

Machine-Learning-Modelle erfordern besondere Maßnahmen beim Monitoring. Die Vorhersagekraft des Modells ist dabei besonders wichtig, aber oft nicht direkt beobachtbar.



In diesem Live-Demo ohne Folien sehen wir uns eine Machine Learning Anwendung an, die mit einem bestimmten Modell in Produktion gegangen ist. Das Model basiert auf TensorFlow und wir mit einem Flask über Docker serviert. In simulierten Anfragen detektieren wir einen Drift, der einen Alarm in Grafana auslöst. Diesen interpretieren wir und entscheiden, ob er kritisch und was die passende Maßnahme ist.

Vorkenntnisse

Grundkenntnisse von Machine Learning und den zugehörigen Metriken

Lernziele

Die Teilnehmenden bekommen einen Eindruck von einem realistischen Setup für das Monitoring von Drift. Es wird erklärt, warum das so wichtig ist und wie man eine passende Maßnahme ableitet

Zum Event.