Die Erstellung eines Modells für maschinelles Lernen ist nur ein Ausgangspunkt. Um es in die Produktion zu bringen, muss das Entwicklungsteam mehrere reale Probleme lösen – zum Beispiel den Aufbau einer Pipeline für kontinuierliches Modelltraining, die Automatisierung der Validierung der Modelle, die Schaffung einer Serving-Infrastruktur, die Implementierung der Überwachung. Um diese Herausforderungen zu meistern, bietet der Markt diverse Lösungen wie Kubeflow, Databricks, MLFlow. In der neuesten Ausgabe unseres TechTalks hat Sascha Dittmann von Microsoft uns gezeigt, wie diese Lösungen für KI-Projekte von Nutzen sein können und wie sie sich in die tägliche Arbeit integrieren lassen.