Back-of-the-Envelope Calculation for Machine Learning Projects – ML Projekte schnell und strukturiert durchdenken
Eine der besten Praktiken, die wir von großartigen Ingenieuren kennen, ist die „Back-of-the-envelope”-Kalkulation, um Kosten und Ressourcen abzuschätzen. Ich glaube, dass Machine-Learning-Engineering von einer solchen „Back-of-the-envelope”-Kalkulation profitieren würde. Denn wir müssen – so kostengünstig wie möglich – sicherstellen, dass unser zukünftiges ML-Projekt lohnenswert ist, dass es einen Mehrwert bringt und dass die Kosten und Ressourcen transparent und somit abschätzbar sind.
In diesem Workshop lernen wir ein Design-Toolkit für ML-Projekte kennen, um ein solches Prototyping mithilfe von drei Canvas-Typen durchzuführen: Machine-Learning-Canvas, Data-Landscape-Canvas und MLOps-Stack-Canvas.
Vorkenntnisse
Machine-Learning-Grundlagen
Lernziele
- Wissen, wie man ML-Projekte mit dem ML Design Toolkit strategisch plant
- Wissen, welche Komponenten zu einem ML-Projekt gehören
- Wissen, wie man versteckte Kosten und Bottlenecks in ML-Projekten entdeckt und sie rechtzeitig adressiert
- Datum
- 19.09.2022
- Uhrzeit
- 09:00 - 17:00
- Konferenz / Veranstaltung
- data2day 2022
- Ort
- IHK Haus der Wirtschaft, Karlsruhe