It's the developers, stupid! – Developer Experience mit Kubernetes, Draft und Skaffold steigern

Den Betrieb von Applikationen haben Container und Kubernetes bereits revolutioniert. Auch im Bereich der Softwareentwicklung kann Kubernetes helfen, die Arbeit zu erleichtern und zu beschleunigen. Allerdings konzentrieren sich hier viele Projekte aktuell auf den naheliegenden Use Case einer Continuous Delivery Pipeline.

Kubernetes kann auch während des Codings bereits helfen, die Developer Experience (DX) zu steigern und den Entwicklern somit unter die Arme zu greifen. Anhand von drei Personas werden wir zeigen, wie man eine Kubernetes-basierte Entwicklungsplattform bereitstellen kann.

Abhängig von den benötigten Features wird dem Entwickler ein kontinuierliches Deployment mit Tools wie Helm, Draft oder Skaffold angeboten. Alternativ kann über ein Continuous-Delivery-as-a-Service-Konzept eine einfach zu bedienende Plattform bereitgestellt werden, um eine möglichst effiziente Entwicklung zu gewährleisten.

Vorkenntnisse

* Eine allgemeine Idee von Softwareentwicklungsprozessen.
* Erste Erfahrung mit Container allgemein oder Kubernetes im Speziellen sind hilfreich – aber keine notwendige Voraussetzung.

Lernziele

* Die Besucher sollen eine Idee davon bekommen, wie sich die Entwicklungsumgebung mit Kubernetes für verschiedene Entwicklungsteams gestalten und vereinfachen lässt.
* Der Vortrag ist dabei als Hilfe zur Selbsthilfe konzipiert, mit dem eigene Entwicklungen angestoßen werden können.

 

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

 

Nicolas Byl Nicolas Byl sammelte bereits während des Studiums der Medizinischen Informatik erste Erfahrungen im Umfeld Java-basierter Webportale und entdeckte seine Leidenschaft für verteilte Systeme. Bei der codecentric AG beschäftigt er sich mit skalierbaren Cloud-nativen Infrastrukturen für die Applikationsentwicklung und die Verarbeitung von Datenströmen.

Platin-Sponsor

Gold-Sponsor

Silber-Sponsoren


CLC-Newsletter

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

 

Anmelden