Architecting MLOps: Von der AI-Strategie zur MLOps-Plattform

Die Architektur einer zentralen MLOps-Plattform spielt eine wichtige Rolle bei der effizienten und effektiven Verwaltung zahlreicher ML-Projekte mit unterschiedlichen Tech-Stacks. Es ist wichtig, die Architektur aus den Anwendungsfällen und ihren Anforderungen abzuleiten.

In diesem Vortrag werden wir die Bedeutung der Identifizierung von ML-Anwendungsfällen, des Verständnisses der Datenlandschaft und der Definition des MLOps-Stacks untersuchen, um eine Plattformarchitektur zu entwerfen. Wir lernen, wie man ein Design-Toolkit für ML-Projekte verwendet, das die ML-Canvas, die Datalandscape-Canvas und die MLOps-Canvas umfasst, um die Identifizierung von ML-Anwendungsfällen und -Prototyping zu unterstützen.

Vorkenntnisse

• Machine Learning und MLOps-Grundlagen

Lernziele

• Wir lernen, wie man ein Design-Toolkit für ML-Projekte verwendet, das die ML-Canvas, die Datalandscape-Canvas und die MLOps-Canvas umfasst, um die Identifizierung von ML-Anwendungsfällen und -Prototyping zu unterstützen