Produktiver Einsatz von Data Science und Machine Learning mit MLOps

Mit Data Science und Machine Learning (ML) können Organisationen wertvolle Erkenntnisse gewinnen, Prozesse optimieren sowie neue Geschäftsmodelle erschließen. Der Einsatz in einem produktiven Umfeld ist allerdings mit zahlreichen Aufgaben verbunden, die über die reine Entwicklung von ML-Modellen hinausgehen. Insbesondere bei steigender Anzahl und Komplexität von ML-Anwendungen sowie großen Data-Science-Teams behindert ein unstrukturiertes Vorgehen die Prozesseffizienz sowie Anwendungsqualität. Unter dem Schlagwort „Machine Learning Operations“ (MLOps) wird diese Problematik aufgegriffen und Methoden, Prozesse sowie Strukturen zur Operationalisierung von ML zusammengefasst. 
In dem Vortrag werden die Bestandteile dieses Konzepts vorgestellt sowie in einer beispielhaften Anwendung technische Umsetzungsmöglichkeiten dargelegt und reflektiert.

save