Enable javascript in your browser for better experience. Need to know to enable it? Go here.

Maschinelles Lernen erfolgreich vom Labor in die Produktion bringen.

Anwendungen für künstliche Intelligenz und maschinelles Lernen (ML) erfreuen sich zunehmender Beliebtheit. Allerdings ist der Prozess der Entwicklung, des Einsatzes und der kontinuierlichen Verbesserung dieser Anwendungen komplex. Einem Report von VentureBeat zufolge schaffen es 87 Prozent der ML-Projekte nie in die Produktion.
 
MLOps erweitert das DevOps-Konzept auf den Bereich des maschinellen Lernens, um ML-Produkte sicher, schnell und nachhaltig in die Praxis umzusetzen.
 
MLOps bezieht sich dabei auf eine Kultur, in der Menschen unabhängig von ihrem Titel oder Hintergrund zusammenarbeiten, um ein ML-System zu konzipieren, zu entwickeln, bereitzustellen, zu betreiben und zu verbessern.
Um die beschriebenen Herausforderungen bei der Einführung von ML in die Produktion zu bewältigen, hat Thoughtworks den Ansatz Continuous Delivery for Machine Learning (CD4ML) entwickelt. Bereits 2016 baute Thoughtworks ein Preisempfehlungssystem mit CD4ML auf AWS für AutoScout24, den größten Online-Marktplatz für Autos in Europa. Heute ist CD4ML bei Thoughtworks Standard für ML-Projekte. In diesen Projekten zeigt sich der Impact dieses schnellen und bewährten Prozesses für ML, der moderne, cloud-freundliche Software Development Praktiken einschließt. Unser gemeinsam mit AWS entwickeltes E-Book erklärt, wie Sie MLOps erfolgreich einsetzen können.

E-Book: MLOps erfolgreich umsetzen

In den meisten Unternehmen dauert es laut Harvard Business Review zwischen vier Monaten und einem Jahr, bis das erste minimal funktionsfähige ML-Produkt (MVP) auf den Markt kommt. Erfahren Sie in unserem E-Book, wie Sie die Komplexität des Aufbaus und Einsatzes von maschinellem Lernen in Ihrem Unternehmen bewältigen können.

Kontakt aufnehmen

Marketo Form ID is invalid !!!

Vielen Dank für Ihr Interesse. Wir melden uns gerne bei Ihnen in den kommenden Tagen.

Interessieren Sie sich für unseren Bereich Data und AI?