Christoph Henkelmanns Session auf der W-JAX 2019

MLflow: Organisation des Machine Learning Lifecycle

Redaktion JAXenter

Ticketsysteme, Versionskontrolle, automatische Builds und viele weitere Tools gehören fest zu den Best Practices bei der klassischen Softwareentwicklung. Kommt bei einem Projekt Machine Learning ins Spiel, kommen neue Anforderungen hinzu, die von den bisherigen Tools und Arbeitsweisen nur teilweise abgedeckt werden können. Hier kommt MLflow ins Spiel. Was MLflow ist, was man damit machen kann und was es beim Einsatz zu beachten gibt, expliziert Christoph Henkelmann in seiner Session auf der W-JAX 2019.

Um den Machine Learning Lifecycle besser unter Kontrolle zu bekommen, entstehen zurzeit viele neue Tools, die versprechen, die besonderen Arbeitsabläufe eines ML-Projekts zu unterstützen. Eines davon ist MLflow, das plattform- und bibliotheksunabhängig Lernergebnisse, gelernte Modelle und Projekt-Set-ups verwaltet.

In seiner Session auf der W-JAX 2019 erläutert Christoph Henkelmann die besonderen Herausforderungen von ML-Projekten gegenüber klassischer Softwareentwicklung und zeigt, wie man MLflow nutzen kann, um den ML-Workflow besser unter Kontrolle zu bekommen. Dabei wird der Fokus auf einen Einsatz von MLflow in einer JVM-Umgebung und JVM-Machine-Learning-Bibliotheken gelegt.

Christoph Henkelmann hat an der Universität Bonn Informatik studiert, wo er seine erste Bekanntschaft mit künstlicher Intelligenz und maschinellem Lernen machte. Dieses Thema hat ihn neben seiner Tätigkeit als Entwickler, Softwarearchitekt und Berater im Mobile- und Serverbereich immer begleitet. Als Mitgründer und technischer Geschäftsführer der DIVISIO GmbH aus Köln kann er sich nun voll auf den Einsatz von KI im geschäftlichen Umfeld konzentrieren, wobei ihm seine Erfahrung im Java Enterprise Bereich hilft, Theorie und Praxis zu verknüpfen.
Geschrieben von
Kommentare

Hinterlasse einen Kommentar

avatar
4000
  Subscribe  
Benachrichtige mich zu: