Über uns
Common Sense, die Anforderungen einer Data Science Abteilung, die nicht mehr nur experimentiert und die EU-Regulatorik legen die gleiche Schlussfolgerung nahe: Wir müssen uns mit Machine Learning Operations (MLOps) beschäftigen. Was steckt dahinter?
Der recht neue Begriff MLOps ist aus der schmerzhaften Erfahrung heraus entstanden, dass es gar nicht so einfach ist, zunächst vielversprechend aussehende KI / Machine-Learning Prototypen in einen Produktivbetrieb zu überführen, sie sinnvoll zu betreiben und weiterzuentwickeln. Es braucht eine gemeinsame Perspektive auf explorative Entwicklungsarbeit und Betrieb sowie verantwortliche Menschen dafür. So kam es analog zu DevOps zu MLOps (vereinzelt auch AIOps).
Eines der bekanntesten MLOps-Tools und der Mittelpunkt dieser Gruppe sind Kubeflow. Kubeflow gewinnt als Open-Source und Cloud-Native Machine Learning Plattform immer mehr Nutzer und begeisterte Data Scientisten, die nun den gesamten Lebenszyklus ihres ML-Projekts managen und nebenbei noch äußerst effizient in der Cloud experimentieren können.
Kubeflow präsentiert dabei ein gesamtes Ökosystem, das viele neue Ideen und Konzepte einführt. Im Rahmen dieser Gruppe möchten wir von diesen berichten und Erfahrungen rundum Kubeflows Nutzung und Betrieb austauschen.
Wir freuen uns auf spannende Meetups mit Euch!
