LERNZIELE
- 4 Stunden Praxiswissen
- Teilnahme einfach im Browser
- Mit Praxisbeispielen und Übungen
- alle Materialien zum Download
INHALT
Die größte Herausforderung bei vielen Deep-Learning-Projekten ist die Produktionalisierung der trainierten Modelle. TensorFlow bietet dafür mit TensorFlow Extended (TFX) eine Plattform für die Bereitstellung von Produktions-Pipelines.
In diesem halbtägigen Live-Training mit den TensorFlow-Experten Moustapha Karaki und Philipp Braunhart lernst du anhand praktischer Beispiele, wie du deine Modelle in die Produktion bringst. Dabei erfährst du alles über mögliche Herausforderungen und lernst den Einsatz von TensorFlow Extended kennen.
AGENDA
Teil 1: TFX Pipelines
Im ersten Teil des Online-Trainings beschäftigen wir uns mit TFX Pipelines. Anhand praktischer Beispiele lernen wir, wie wir die Pipelines nutzen können, um reproduzierbare und gut verpackte Abläufe für unsere Modelle zu erstellen.
Teil 2: Serving Models
Im zweiten Teil des Online-Trainings beschäftigen wir uns mit dem Deployment unserer Modelle mit TFX Serving. Dazu bereiten wir die Modelle gemeinsam vor und erzeugen Endpunkte (z.B. REST; gRPC), unter denen die Modelle erreicht werden können.
Teil 3: Fragen und Antworten
Im letzten Teil des Online-Trainings klären wir Fragen, die während des Online-Trainings aufgekommen sind, und geben Tipps und Tricks für eigene Projekte.
VORAUSSETZUNGEN
Keine Vorkenntnisse erforderlich.
DEIN EXPERTE
Philipp Braunhart ist Data Scientist, Mitgründer von Ingenio AI und studierter Physiker und IT-Ingenieur. Für und mit Kunden entwickelt er mit Tensorflow KI-Modelle für den direkten Einsatz in den Bereichen Bio-, Agrar- und Medizin-Technologie. Er ist Tensorflow-Nutzer der ersten Stunde und freut sich, sein Wissen weiterzugeben.
Moustapha Karaki ist Data Scientist, Mitgründer von Ingenio AI und studierter Maschinenbauer und IT-Ingenieur. Derzeit unterstützt er KMUs in der Bio-, Agrar- und Medizinbranche bei Ingenio AI und Großunternehmen in den Bereichen Automotive, Produktion und erneuerbare Energien bei IBM. Hierbei setzt er seit vielen Jahren fast täglich Tensorflow-Modelle ein.