The Cloud Native Stack: Microservices today

Dieser Vortrag wird nach Wunsch des Publikums auf Deutsch oder Englisch gehalten. This presentation will be held in German or English according to the wishes of the audience.

Microservice Architectures are around for a while now. There have already been a few generations of tooling and patterns that helped to run and manage them. Timo will show how a current cloud-native stack looks like and which tools should be on your radar (e.g. Istio).

Microservices-Architekturen gibt es seit einiger Zeit. Es gab bereits einige Generationen von Werkzeugen und Mustern, die dazu beigetragen haben, die Services einfacher zu betreiben und zu verwalten. Timo wird zeigen, wie ein aktueller Cloud Native Stack und die dazu gehörigen Workflows für Development und Operations aussehen und welche Tools auf dem Radar sein sollten (z.B. Istio).

Vorkenntnisse

* There should be prior knowledge of Kubernetes and containers. The conceptual ideas should also be understandable without detailed knowledge of Kubernetes.

* Es sollte Vorwissen über Kubernetes und Container vorhanden sein. Die konzeptionellen Ideen sollten auch ohne Detailwissen über Kubernetes verständlich sein.

Lernziele

* Which patterns help with a microservice architecture? Which patterns do I use when and why?
* Which tooling helps simplify deployments and establish standards?
* Why is a service mesh like Istio the next big step?

* Welche Patterns helfen bei einer Microservice-Architektur? Welche Patterns nutze ich wann und warum?
* Welches Tooling hilft, Deployments zu vereinfachen und Standards zu etablieren?
* Warum ist ein Service Mesh wie Istio der nächste große Schritt?

 

Agenda

ab 8.30 Uhr Registrierung und Begrüßungskaffee

9.30 Uhr Beginn

Intro

Machine Learning

  • Was ist Machine Learning?
  • Der typische ML Workflow
  • Was sind neuronale Netze?
  • Jupyter Lab mit Python
  • Eine Einführung in TensorFlow
  • Keras als High-Level API für TensorFlow

Praxisteil: Deep Learning Modelle mit Keras

  • Datengeneratoren
  • Datasets explorativ analysieren
  • Hold-Out vs. Cross Validation

11.00 - 11.15 Uhr: Kaffeepause

Praxisteil: Deep Learning Modelle mit Keras

  • Feed-Forward Netzarchitektur
  • Convolutional Neural Networks als Deep Learning Ansatz
  • Evaluation und Visualisierung des Modells

12.30 - 13.30 Uhr: Mittagspause

Pipelines mit Luigi

  • Anforderungen an produktive Modelle
  • Übersicht über Luigi und dessen Module
  • Bau eines Beispiel-Workflows

Praxisteil: Den Keras-Workflow mit Luigi implementieren

  • Anforderungen an produktive Modelle
  • Übersicht über Luigi und dessen Module
  • Bau eines Beispiel-Workflows

15.30 - 15.45 Uhr: Kaffeepause

Praxisteil: TensorFlow-Serving

  • Übersicht über TensorFlow-Serving
  • Ladestrategien konfigurieren
  • Deployment des Modells

ca. 17.00 Uhr: Ende

 

Referent

 

Timo Derstappen Timo Derstappen is the CTO and Co-Founder of Giant Swarm. Besides managing and scaling distributed services for the past 15 years his Plan B is now to become a bar pianist. ist CTO und Mitbegründer von Giant Swarm. Neben dem Management und der Entwicklung verteilter Softwarearchitekturen in den letzten 15 Jahren ist sein Plan B seit Neuestem, Barpianist zu werden.

Platin-Sponsor

Gold-Sponsor

Silber-Sponsoren


CLC-Newsletter

Sie möchten über die Continuous Lifecycle
auf dem Laufenden gehalten werden?

 

Anmelden