ML und KI werden ohne Zweifel immer wichtiger. Die Integration von ML/AI in die Software ist jedoch keine leichte Aufgabe. Die meisten Projekte in diesem Zusammenhang werden prototypisch in Python umgesetzt. Allerdings, eine fertige Software Lösung stellt zahlreichen Anforderungen, die die Rahmen einer experimentellen Anwendung sprengen. ML.NET ist ein gangbarer Weg, der auch an die Grenzen stößt. 

In diesem Vortrag lernen Sie, wie die wahren Projekte mit der Verwendung von Microsoft Machine Learning .NET-Frameworks umgesetzt werden. Und nicht nur das. Wir zeigen, wie eine richtige Architektur von einer solchen Lösung Schritt für Schritt entsteht. Sie lernen wie „heavy-workloads“ wie z.B. ML Training Prozess umgesetzt werden kann, warum die Technologien wie Docker manchmal überraschend wenig hilfreich sein können. Aber, es gibt auch andere Wege wie z.B. Azure Batch Service die solche „Limits“ aufweichen können. Das ist nicht alles. Auch Prediction Teil von einer solchen Anwendung kann Ihre Web-gehostete Webanwendung zum Verzweifeln bringen. 

Dies ist ein fortgeschrittener Vortrag mit vielen Demos und Einblicken in die Welt von ML und Microsoft Azure. Auch wenn Sie nicht unbedingt ML als Thema haben, lernen Sie in diesem Vortrag wie schwergewichtige Lösungen in Azure konzipiert und betrieben werden.