Wie DevOps den ML-POC rettet

Trotz der vielversprechenden Ergebnisse aus der Proof-of-Concept-Phase wird eine erhebliche Anzahl von Machine-Learning-Projekten vorzeitig beendet. Diese finden somit nicht den Weg in die Produktion. Die Gründe hierzu sind vielfältig: Unter ihnen spielen unter anderem finanzielle Gründe, aber auch der Arbeitsaufwand wichtige Rollen.

In diesem Beitrag beleuchten wir, wie Prinzipien von DevOps dazu beitragen, ML-Projekte schnell und einfach in drei Schritten vom Pilotprojekt in die Produktivumgebung zu überführen. Wir identifizieren, welche Rollen am MLOps-Prozess beteiligt sind, welche Herausforderungen gemeistert werden müssen und welche Best Practices, nicht zuletzt aus DevOps, zu einer erfolgreichen Professionalisierung beitragen

Vorkenntnisse

• Grundkenntnisse DevOps
  
• Affinität für Machine Learning

Lernziele

• Wichtige Grundprinzipien von DevOps für Machine-Learning-Projekte
  
• MLOps-Lebenszyklus kennenlernen
  
• Grundlegenden Probleme bei der Einführung von ML kennenlernen und wissen, wie Grundprinzipien von DevOps und des Software Engineerings bei der erfolgreichen Umsetzung von MLOps helfen können