Möchten Sie mit Ihrem Team teilnehmen? Ab drei Personen profitieren Sie von unseren Gruppenrabatten! Direkt im Shop buchen!

MLOps: Serving und A/B testing

Ob Produktempfehlung oder personalisierte Social Media Feed, sobald Benutzerinput Teil der Evaluierung ist, stellen sich folgende Fragen:

  • Modelle trainiert, was nun?
  • Wie mache ich Modelle für meine Organization verfügbar?
  • Welches Modell generiert den stärksten Uplift?
  • Performt ein Modell noch auf neuen Daten oder muss neu trainiert werden?
  • Und wie automatisiere ich all diese Prozesse?
Anhand eines praxisnahen Use-Case gehen wir auf diese Fragen ein. Dieser ist unter anderem mit Kubernetes, Istio und Seldon realisiert.

Vorkenntnisse

Grundlegende Kubernetes/Container/Microservice Konzepte

Lernziele


  • Grundlegende Konzepte, Architektur und Herausforderung von Model Serving und Experiments in der Praxis
  • Überblick über die bestehenden Frameworks für packaging, serving und A/B Experimenten von ML Modellen
  • Einblick in Praxisbeispiele: Inferenz via REST, definieren und durchführen von A/B Tests, bis zu progressivem Rollout von Modellen basieren auf benutzerdefinierten SLOs

Speaker

 

Sebastian Klatt
Sebastian Klatt ist Machine Learning Engineer im Recommender Systems Team der Metro Digital. Zuvor initiierte und entwickelte er die zentrale in-house Plattform für Machine Learning Training und Experimentation in Trivago's Data Science Domain.

M3-Newsletter

Sie möchten über die Minds Mastering Machines
auf dem Laufenden gehalten werden?

 

Anmelden