Das Gruselkabinett des Dr. Kube

Die Containerisierung hat die IT-Welt im Sturm erobert und mit Docker und Kubernetes mächtige Werkzeuge für Entwicklung und Betrieb von Applikationen für die breite Masse nutzbar gemacht. Aber wie bei jedem Paradigmenwechsel ergeben sich auch hier Erfahrungen aus dem Umstieg.

Ein populäres Sprichwort besagt, dass jeder zu etwas Nutze sei, und sei es als abschreckendes Beispiel. Daher möchte ich in diesem Vortrag sieben Antipatterns präsentieren, die wir bei Kunden auf ihrer Reise in Richtung Container erlebt haben.

Einige wie der "God Pod" mögen ein Lächeln auslösen. Aber andere wie "Viel hilft viel" sind eine ernsthafte Bedrohung für die Betriebsstabilität. Da Kritisieren alleine zu einfach ist, zeigen wir auf, wie die Antipatterns behoben werden können, um zuverlässige und resiliente Systeme zu bauen.

Vorkenntnisse

* Grundwissen im Bereich Containerisierung ist hilfreich, aber nicht zwingend erforderlich.

Lernziele

* Der Benutzer soll über Antipatterns bei der Nutzung von Containern aufgeklärt werden.
* Darüber hinaus werden jeweils Alternativen aufgezeigt.

 

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-Sponsoren

Silber-Sponsoren



CLC-Newsletter

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

 

Anmelden