Wo DevOps die Zusammenarbeit zwischen Entwicklern und IT Pros versucht zu verbessern, müssen nun auch die Data Scientists mit den Developer und IT-Pros ihren Weg finden. Dabei lässt sich das Konzept des DevOps auch sehr gut auf das Thema AI erweitern - MLOps (DataScience Ops).
Dieser Talk geht auf die Arbeitsweise der Data Scientists ein und zeigt, wie sie mit den Developer und den IT-Pros zusammen arbeiten können. Dabei werden unter anderem folgende Fragen beantwortet:
- Welcher Flow wird mit MLOps abgebildet?
- Wo lege ich Trainings Code ab?
- Wie kann ich meine Modelle verwalten (Versionierung / History)?
- Wie funktioniert das Monitoring?
- Kann ich auch automatisieren - wie bekomme ich das in Produktion?
Durch einen exemplarischen Flow gehe ich auf die Antworten ein und demonstriere, welche Tools, wie Git, Azure ML Service und GitHub die Umsetzung ermöglichen.
Am Ende der Session verstehen die Teilnehmer warum MLOps wichtig ist und wie die Tools richtig eingesetzt werden können, um einen reibungslosen Ablauf zu unterstützen.

Ich bin auch im Beruf häufig mit diesem Thema unterwegs und sehe eine stetige Notwendigkeit, über dieses Thema zu sprechen. In den Unternemen sehe ich häufig ein hohes Interesse, MLOps ein zuführen und die entsprechenden Tools kennen zu lernen.
Die Erfahrungen aus der DevOps Journey und die Möglichkeiten im Bereich AI sollten die DataScientists aber auch die Software Entwickler im AI Umfeld nutzen. Ich glaube hier für jeden etwas anbieten zu können.