ML Konferenz 2017 in Berlin
Eine Ankündigung für meine Präsentation auf der ML Konferenz 2017 in Berlin
Ich nehme als Speaker an der Machine Learning Konferenz 2017 in Berlin teil. Das Thema meines Vortrags ist die Integration von trainierten TensorFlow Modellen in Java Enterprise Umgebungen. Damit sind die „letzten 5%“ Integrationsaufwand gemeint (die bekanntermaßen 50% des Zeitbudgets eines Projektes benötigen), um in einer realen Server Applikation Voraussagen mit einem TensorFlow Modell durchzuführen. Hier ist ein kurzer Abstract zu dem, was ich mit dem Vortrag abdecken möchte (der Vortrag selber wird auf Englisch gehalten).
Vortrag auf der ML-Konferenz Berlin - Abstract
In vielen Einsatzszenarien in der echten Welt ist es nicht wünschenswert, Vorhersagen auf der Cloud Infrastruktur von Drittanbietern durchzuführen. Insbesondere in einer Enterprise Umgebung wünscht der Kunde oft mehr Kontrolle über seine Server Infrastruktur. Die Projektanforderungen können eine benutzerdefinierte Cloud oder eine andere traditionelle Serverinfrastruktur umfassen, in die eine ML-Lösung integriert werden soll. Java ist immer noch die am weitesten verbreitete Plattform für Enterprise-Server-Systeme. Das Hinzufügen einer neuen Sprache oder eines neuen Frameworks in solche Projekte ist umständlich und erhöht das Risiko und die Kosten. In diesem Vortrag werden die Möglichkeiten der Vorhersage mit trainierten TensorFlow-Modellen in einer Java Enterprise Server-Umgebung sowie reale Beispiele für die Integration in gängige Server-Frameworks wie Spring und Apache CXF diskutiert. Verschiedene Möglichkeiten für das Deployment und die Versionskontrolle von trainierten Modellen werden hierbei ausgetauscht.
Die Konferenz bietet eine Reihe von interessanten Sessions und Vorträgen, die von praxisnahen Themen über einige theoretische Grundlagen bis hin zu breiteren Diskussionen über das „große Ganze" reichen.
Ich freue mich sehr auf die Teilnahme und hoffe, Sie dort zu sehen!