INNOQ Technology Lunch: MLOps und Model Governance

Auf dem Weg, KI-basierte Systeme langfristig erfolgreich zur Anwendung zu bringen, stehen Unternehmen vor neuen Herausforderungen, die sich in klassischer Softwareentwicklung bisher nicht gestellt haben. Zum einen müssen aus Daten angelernte Modelle schnell und effizient ins Deployment gebracht und laufend aktualisiert werden, um eine abfallende Modellleistung zu verhindern. Hier hilft Machine Learning Operations (MLOps). Zum anderen muss sichergestellt sein, dass die KI-Systeme keine unternehmerischen Fehlentscheidungen oder Reputationsschäden verursachen und darüber hinaus geltende rechtliche Auflagen erfüllen.

Wichtige Kernanforderungen sind beispielsweise die Replizierbarkeit von Modell-Entscheidungen und die laufende Überprüfung der Modellleistung im Betrieb. Dazu braucht es Model Governance, mit dem ein Unternehmen gesetzliche Vorgaben umsetzten kann. In diesem Technology Lunch stellen wir vor, wie sich Model Governance in den MLOps-Lebenszyklus integrieren lässt.

Datum: 27.04.2022
Uhrzeit: 12:15 - 13:00
Online Event: INNOQ Technology Lunch (27.04.22)

Speaker:innen

Isabel Bär Alumna

Isabel Bär war bis Juni 2023 Werkstudentin bei INNOQ. Ihr Interessensgebiet ist die Entwicklung ML-basierter Software als Produkt zur Lösung von Business Problemen mit Machine Learning Model Operationalization Management (MLOps). MLOps erweitert DevOps um Machine Learning Artefakte mit dem Ziel, die Konzeptionierung, den Aufbau, das Deployment und das Monitoring von Machine-Learning-Modellen in Produktion durch effektive Methoden und Prozesse zu unterstützen.

Dr. Larysa Visengeriyeva Head of Data and AI

Larysa Visengeriyeva hat im Bereich Augmented Data Quality an der TU Berlin promoviert. Bei INNOQ beschäftigt sie sich mit der Operationalisierung von Machine Learning (MLOps), Daten Architekturen wie Data Mesh und Domain-Driven Design.

INNOQ Technology Lunch: MLOps und Model Governance

TAGS