Tech Talks

In der Softwareentwicklung ist die kontinuierliche Integration und Bereitstellung (CI/CD) weit verbreitet und wird verwendet, um schneller zu iterieren. Modelle für maschinelles Lernen hängen jedoch nicht nur vom Code ab, sondern auch von Daten und anderen Parametern. Daher ist das Thema CI/CD für ML-Modelle komplexer. In diesem Vortrag erhalten Sie eine Einführung in CI/CD für maschinelles Lernen, Open-Source-Tools und einen on-premise Anwendungsfall mit Jenkins.

​

Was Sie lernen werden

• Was sind die besonderen Herausforderungen von CI/CD für ML

• Welche Tools können verwendet werden, um Daten zu verarbeiten und mit CI/CD retraining durchzuführen?

• Gleichzeitige Verwendung von on-premise Hardware

• Ein praktisches Beispiel für eine real-world Anwendung

​

Zielgruppe

Data Engineers, Data Ops, Data Scientists

​

Vortragende

Während die Benutzeroberfläche im B2C-Bereich große Aufmerksamkeit geschenkt wird, wird dies in industriellen Anwendungen häufig vernachlässigt. Benutzerfreundlichkeit ist jedoch auch für industrielle Lösungen ein Erfolgsfaktor: Die Arbeit mit gut gestalteten Schnittstellen ist aufgrund der schnelleren Fehlervermeidung und weniger Betriebsfehler rentabler.

​

In dieser Sitzung diskutieren wir einen menschenzentrierten Entwurfsprozess zum Erstellen industrieller Softwarelösungen, die letztendlich reibungslos, effektiv und effizient eingesetzt werden können. Außerdem werden wir zeigen, wie Benutzerfreundlichkeit in realen Anwendungsfällen aussehen kann.

​

Was Sie lernen werden

• Grundlegende Konzepte und Werte des Entwurfs in einem benutzerzentrierten Ansatz.

• Wie ein benutzerzentrierter Entwurfsansatz beim Erstellen industrieller Lösungen verfolgt werden kann.

• Beispiele für Anwendungsfälle aus der Praxis.

​

Zielgruppe

Product Owner, Designer, Software Engineer

​

Vortragende

Dieser Tech Talk gibt Ihnen eine Einführung in Spark und wie Sie Spark-Code mit Databricks schreiben und ausführen und wofür er benötigt wird. Apache Spark ist ein verteiltes Open-Source-Cluster-Computing-Framework für allgemeine Zwecke. Derzeit ist es die führende Plattform für umfangreiches SQL, Stapelverarbeitung und Stream-Verarbeitung. Azure Databricks ist eine auf Apache Spark basierende Analyseplattform und beschleunigt die Innovation durch die Vereinheitlichung von Data Science, Engineering und Business. Nehmen Sie an dieser Sitzung teil, wenn Sie daran interessiert sind, Spark und Databricks besser kennenzulernen und zu verwenden.

​

Was Sie lernen werden

• Was ist Spark und wann müssen Sie es verwenden?

• Grundlagen zu Databricks und zum Einrichten von Azure-Databricks

• So schreiben Sie grundlegenden PySpark-Code

• PySpark & ​​Databricks in Aktion: anhand eines Anwendungsfalls demonstriert

​

Zielgruppe

Data Engineers, Data Ops, Data Scientists

​

Vortragende

In dieser Sitzung konzentrieren wir uns auf Spark und die Verwendung des Frameworks für maschinelles Lernen. Wir werden Sie durch die grundlegenden Konzepte führen und Ihnen zeigen, wie Spark Datenexploration, -bereinigung, -aggregation und -training von ML-Modellen effizient durchführen kann. Im Tech Talk werden wir Sie durch einen Anwendungsfall führen, der die Theorie unterstreicht.

​

Was Sie lernen werden

• Grundlegendes Konzept

• Transformatoren, Estimators, Pipelines

• Datenbereinigung und Feature Engineering

• Pipeline-Training, Auswahl und Bewertung

​

Zielgruppe

Data Scientists, Data Engineers

​

Vortragende