Menü
iX Magazin

Machine-Learning-Projekte mit dem DevOps-Ansatz umsetzen

Mit DevOps-Methoden lässt sich der Weg vom Erstellen des Datensatzes über das Training eines Machine-Learning-Modells bis hin zur Auslieferung vereinheitlichen.

Von
vorlesen Drucken Kommentare lesen
Machine-Learning-Projekte umsetzen mit dem DevOps-Ansatz

(Bild: whiteMocca/Shutterstock.com)

Inhaltsverzeichnis

Beim Coding Da Vinci Ost Hackathon haben wir, eine Gruppe von vier Studierenden, ein Ziel vereinbart: Wir wollten mit Open-Source-Werkzeugen eine auf Machine Learning (ML) basierende, benutzerzentrierte Applikation entwickeln.

Der Open-Source-Gedanke war entscheidend, denn im Vordergrund des Hackathons stand die Nutzung öffentlich zugänglicher Kulturdaten. Eine weitestgehend modulare Architektur sollte es zudem ermöglichen, Teilkomponenten auch für andere Anwendungsfälle zu nutzen.

Ausgehend von einem aus Vogelstimmen bestehenden Datensatz des Naturkundemuseums Berlin (MFN) wollten wir einen Klassifizierer entwickeln, der anhand von Audiodateien eine große Vielfalt an Vögeln identifizieren kann. Die Herausforderung: Wir hatten nur 90 Tage Zeit, ein geeignetes Machine-Learning-Modell zu trainieren sowie parallel eine Smartphone-App und ein Server-Backend zu entwickeln.

Immer mehr Wissen. Das digitale Abo für IT und Technik.

  • Zugriff auf alle Inhalte von heise+
  • exklusive Tests, Ratgeber & Hintergründe: unabhängig, kritisch fundiert
  • c't, iX, Technology Review, Mac & i, Make, c't Fotografie direkt im Browser lesen
  • einmal anmelden – auf allen Geräten lesen - jederzeit kündbar
  • erster Monat gratis, danach monatlich 9,95 €
  • Wöchentlicher Newsletter mit persönlichen Leseempfehlungen des Chefredakteurs
GRATIS-Monat beginnen Jetzt GRATIS-Monat beginnen Mehr Informationen zu heise+
Anzeige