Consumer-Driven Contracts in der Praxis

Ein wesentlicher Vorteil von Microservices-Architekturen liegt darin, dass die Entwicklungsteams schnell und unabhängig voneinander Änderungen veröffentlichen und damit ihre Feedbackzyklen verkürzen können. Um Regressionsfehler zu vermeiden, muss dabei jedoch sichergestellt werden, dass alle Konsumenten weiterhin problemlos mit der neuen Version des Dienstes kommunizieren können.

Consumer-Driven Contracts (CDC) bieten hierfür einen Lösungsansatz, der basierend auf automatischen Tests hilft, die Gefahr von Regressionsfehlern beim Release der Microservices zu minimieren.

In seinem Vortrag zeigt Christian, wie der Einsatz dieser Methode in der Praxis aussieht, welche Werkzeuge dabei hilfreich sind und worauf zu achten ist.

Vorkenntnisse

Die Teilnehmer sollten die Grundzüge des Microservices-Architekturansatzes kennen und über grundlegendes Programmierwissen verfügen.

Lernziele

* Mit welchen Werkzeugen lassen sich CDCs in der Praxis umsetzen?
* Welche organisatorischen Rahmenbedingungen sind erforderlich?
* Welche Probleme haben sich bei der Einführung in der Praxis ergeben und wie wurden sie überwunden?

 

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

 

Christian Fischer Christian Fischer unterstützt als Software Craftsman und Coach mit seiner mehr als 20-jährigen Erfahrung Teams und Organisationen bei der Verbesserung ihrer Produkte und Prozesse. Selbstorganisation und technische Exzellenz stehen dabei für ihn gleichermaßen im Fokus.

Platin-Sponsor

Gold-Sponsor

Silber-Sponsoren


CLC-Newsletter

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

 

Anmelden