Kubeless – Das beste aus zwei Welten

Die aktuellen Trends zum Betrieb von Anwendungen erwecken den Eindruck, man habe nur die Wahl, Container as a Service (CaaS) in Form von Kubernetes einzusetzen oder gleich Function as a Service (FaaS) beziehungsweise Serverless zu nutzen. Im ersten Fall gewinnt man Flexibilität, muss sich aber mit vielen Infrastrukturdetails beschäftigen. Im zweiten Fall kann man sich direkt um die Funktionalität kümmern, bindet sich aber möglicherweise auf Gedeih und Verderb an einen Cloud-Provider.

Die beiden Varianten lassen sich jedoch auch kombinieren, in Form von FaaS-Frameworks, die auf Kubernetes aufsetzen. Sie bieten die Vorteile von FaaS verbunden mit der Flexibilität und Providerunabhängigkeit von Kubernetes.

Dieser Vortrag stellt das Framework Kubeless vor. Es lässt sich leicht in eine vorhandene Kubernetes-Infrastruktur einbinden und erlaubt es, schnell eigene Funktionen zu realisieren. Neben ein wenig Theorie wird Kubeless vor allem in Aktion zu sehen sein.

Vorkenntnisse

* Die notwendigen Grundlagen zu Kubernetes werden wiederholt, aber Vorwissen schadet nicht.

Lernziele

* Verstehen, wie eine FaaS-Anwendung auf Kubernetes mit Kubeless umgesetzt werden kann.
* Idealerweise hat der Teilnehmer nach dem Vortrag das Rüstzeug, um seine ersten Funktionen mit Kubeless auf einem entsprechenden Cluster zu deployen.

 

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

 

Jörg Müller Jörg Müller ist Principal Consultant bei iNNOQ. Seit mehr als zwanzig Jahren arbeitet er in verschiedenen Rollen in der IT-Beratung und Softwareentwicklung. In den letzten Jahren beschäftigt er sich schwerpunktmäßig mit der Architektur und dem Betrieb von Software as a Service. Aktuelle Themen sind Continuous Delivery, Microservices und Docker. In der Community ist er als Autor aktiv, hält Vorträge und ist beteiligt an der Organisation der JUG Berlin-Brandenburg sowie mehrerer Konferenzen.

Platin-Sponsor

Gold-Sponsor

Silber-Sponsoren


CLC-Newsletter

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

 

Anmelden