W prezentacji Kasper pokaże kompletny cykl życia modelu uczenia maszynowego w środowisku Databricks - od trenowania modelu ML, przez analizę metryk i wybór najlepszego wariantu, aż po budowanie obrazu kontenera i jego wdrożenie do klastra AKS. Proces został oparty na podejściu MLOps, wykorzystując MLflow do zarządzania eksperymentami oraz repozytorium modeli. Finalnym etapem będzie stworzenie obrazu Dockera z wybranym modelem oraz jego publikacja i uruchomienie w Azure Kubernetes Service, wraz z ekspozycją endpointu predykcyjnego. To praktyczne demo przeprowadzi uczestników przez wszystkie etapy wdrożenia modelu ML w chmurze - od notebooka do API w kontenerze.

Kasper Kalfas - specjalista ds. chmur obliczeniowych z ponad 10-letnim doświadczeniem w pracy z AWS, Azure i GCP. Zajmuje się projektowaniem oraz wdrażaniem rozwiązań z zakresu DevOps, data engineeringu i MLOps. Na co dzień pełni rolę Cloud Architecta w Software Mind.

Chmura to świetne miejsce do przetwarzania danych - oferuje nieograniczone możliwości, coraz bardziej zaawansowane narzędzia, ogromną przestrzeń dyskową i niemal nieograniczoną moc obliczeniową. Brzmi to jak idealne rozwiązanie, ale jak wiadomo, wszystko ma swoją cenę. Podczas tej prelekcji dowiesz się, co tak naprawdę generuje koszty w chmurze i dlaczego, na co warto zwracać uwagę przy ich optymalizacji, jak mitygować niepożądane zmiany oraz jak edukować zespoły, by nie powielać kosztownych błędów z przeszłości.

Paweł Hajduk - Senior DevOps inżynier w firmie Spyrosoft S.A. Od 4 lat pracuje aktywnie z AWS-em, Terraformem oraz miał do czynienia z różnymi narzędziami CI/CD dostępnymi na rynku. Wdrażał systemy od zera, a także projektował je. Chętnie uczy się nowinek technologicznych na rynku, a w wolnym czasie jeździ swoim MTB-kiem po mieście.

Tradycyjnie, po części merytorycznej zapraszamy wszystkich uczestników na gorącą pizzę i dalsze rozmowy w kuluarach. Udział w wydarzeniu jest bezpłatny, dlatego zachęcamy do udziału. Nagrania z poprzednich MeetUpów, a niebawem i z tego, możecie znaleźć w serwisie YouTube.