GitOps für Machine Learning

Künstliche Intelligenz und Machine Learning stehen auf jeder Agenda weit oben. Und die schöne neue Cloud-Welt eröffnet der Entwicklung von Microservices enorme Flexibilität und Geschwindigkeit. Aber speziell beim Thema Machine Learning hat man es auch mit einer großen Zahl an komplexen Aufgaben und fein abgestimmten Prozessen zu tun. Um Machine Learning Modelle effizient von der Entwicklung in den Produktivbetrieb zu bringen, benötigt es einen automatisierten Lifecycle, der transparent und stabil ist. Dazu bietet sich GitOps als ideale Brücke zwischen Data-Science, Anwendungsentwicklung und Betrieb an. Der Vortrag vermittelt einen Einstieg in das Thema GitOps mit Kubernetes und erläutert wesentliche Prozess-Schritte bei der Bereitstellung eines Machine Learning Backends. Als Beispiel dienen eine Reihe von Spring Boot Microservices die sich um das Datenmanagement und die Verwaltung des Lebenszyklus von ML Modellen kümmern. Zum Einsatz kommen Helm Charts und GitOps Operatoren wie ArgoCD und Flux. Gerichtet ist der Talk an alle die Interesse an Microservices, Machine Learning und Cloud-Architektur haben oder einfach die Vorzüge von GitOps an einem komplexen Anwendungsfall kennenlernen möchten.