Schnelles Experimentieren und reproduzierbares Machine Learning in der Praxis

Forschende sowie Entwicklerinnen und Entwickler im Bereich des maschinellen Lernens stehen vor der Herausforderung, schnelle und reproduzierbare Experimente durchzuführen. Um diese Herausforderungen zu bewältigen, stellen wir eine Reihe von Methoden für modularisierte Konfigurationen und reproduzierbare Experimente vor.

Unser Ansatz ermöglicht es, Experimente einfach einzurichten und zu konfigurieren und sie lokal oder auf Kubernetes auszuführen. Außerdem bieten wir ein anpassbares Dashboard für die Analyse an, mit dem die Ergebnisse visualisiert und untersucht werden können.

In diesem Vortrag diskutieren wir die Vorteile unseres Ansatzes und wie er zur Verbesserung der Effizienz und Reproduzierbarkeit führt.

Vorkenntnisse

• Erste Erfahrungen mit ML-Experimenten

Lernziele

• Was bedeutet Reproduzierbarkeit und wie erreicht man sie?
  
• Modulare Konfigurationen mit Hydra
  
• ML-Pipelines mit Dagster