Vom monolithischen ML-PoC zur flexiblen Architektur
Erste Versuche mit maschinellem Lernen führen aus Zeit- und Kostengründen häufig zu einem monolithischen Proof of Concept.Langfristig sind diese nur schwierig erweiterbar und aufwändig in der Wartung. Kommen weitere Daten, Features, Anwendungsfälle, Modellversionen oder Clients hinzu, wächst der Berg an technischen Schulden unvermeidlich an.
In diesem Vortrag möchten wir unsere Erfahrungen teilen, wie ein solcher Monolith im laufenden Projekt schrittweise aufgebrochen und modularisiert werden kann, um eine flexibel erweiterbare, wartbare Architektur zu erhalten.
Speaker
Xenija Neufeld ist als Managing Consultant bei Accso vor allem in den Bereichen Data Science und Machine Learning tätig. Zuvor hat sie an der Otto-von-Guericke Universität Magdeburg promoviert und mehrere Jahre lang im Bereich der KI-Entwicklung in der Videospieleindustrie gearbeitet.
Valentin Kuhn ist Senior Software Engineer bei Accso. Er beschäftigt sich im Rahmen von MLOps mit dem Aufbau und Betrieb von KI-Anwendungen. Dabei legt er besonderes Augenmerk auf die Weiterentwicklung tragfähiger Anwendungsarchitekturen.
M3-Newsletter
Du möchtest über die Minds Mastering Machines
auf dem Laufenden gehalten werden?