Keine Folien, sondern machen: Der neue Softwarearchitektur-Kickstart mit Eberhard Wolff Mehr

Domain-driven Design für Machine-Learning-Produkte

Training 2 Tage

Termine und Buchung

Beschreibung

Du stehst vor der Aufgabe, innovative, datengetriebene Softwareprodukte zu entwickeln und hast bereits erste praktische Erfahrung mit Machine Learning gemacht. Jetzt stellt sich die Frage: An welcher/n Problemstelle/n kann bei der Produktentwicklung mit ML angesetzt werden?

Erkennst du dich wieder? Dann ist dieser Workshop für dich genau richtig! Lerne von unseren Trainer:innen praxisorientiert, wie du AI/ML Use Cases finden und verifizieren kannst und bekomme von ihnen die richtigen Tools und Vorgehensweisen bis zur Produktfinalisierung an die Hand. Dabei bedienen wir uns effektiver DDD-Methodik (keine DDD-Vorkenntnisse notwendig).

Dr. Larysa Visengeriyeva während einer Workshop-Pause im Austausch mit Teilnehmer:innen

Tag 1: Im ersten Praxisteil lernen wir Event Storming und das ML Design Canvas kennen. Event Storming ist eine Methode des Collaborative Modeling und Knowledge Crunchings, eine Methodik des Domain-Driven Design. Sie hilft Domänenexpert:innen, technischen Expert:innen, Entwickler:innen und allen anderen Teammitgliedern, ein gemeinsames Verständnis der Geschäftsdomäne zu entwickeln. Dabei gehen wir von realen Use Cases aus und so können wir dann weitere Use Cases innerhalb Projekten für innovative AI/ML-Technologien identifizieren. Dafür sind Domain Driven Design Kenntnisse nicht notwendig.

Tag 2: Im zweiten Praxisteil formulieren wir gemeinsam, auf Basis der gefundenen Use Cases, konkrete ML-Problemstellungen. Das tun wir auf dem ML Design Canvas, welches am ersten Tag bvorgestellt wurde. Danach strukturieren wir auf dem Canvas das ML-Projekt und spezifizieren alle Komponenten für die Training- und Prediction-Phasen. Im Anschluss sprechen wir über das Data Landscape Canvas, um die Datenverfügbarkeit zu klären.

Dein Nutzen

Überblick über die wichtigsten Konzepte von Domain-driven Design

Verstehen, wie man eine Domäne mit Event Storming analysiert

Verstehen, wie man AI/ML Use Cases in den eigenen Projekten findet und diese mit dem ML Design Canvas strukturiert

Zukünftig eigenständig AI/ML-Event Storming-Workshops für potenzielle Produkte durchführen zu können

Zielgruppe

Softwarearchitekt:innen, Entwickler:innen, Data Scientists, Product Owner:innen, mit ersten praktischen Machine Learning Erfahrungen.

Lernziele

Herausfinden, welche Probleme für ML geeignet sind

Knowledge-Crunching-Methode Event Storming, von DDD hergeleitet, an einer Case Study erlernen und selber anwenden

Probleme und Möglichkeiten für ML in Geschäftsbereichen und Projekten definieren und priorisieren

Nutzung des Machine Learning Canvas erlernen, um ML-Projekte zu strukturieren

Nutzung des Data Landscape Canvas erlernen

Deine Trainer:innen

Dr. Larysa Visengeriyeva

Machine Learning und MLOps

Christopher Stolle

Nachhaltige Softwarearchitektur, DDD und sinnvoller Einsatz von Technologie zur Lösung fachlicher Probleme

Isabel Bär

Nachhaltiger und verantwortungsvoller Einsatz von Machine Learning

Fachinfos und Bücher

Fairness und Künstliche Intelligenz

Klassisches Software-Testing lässt sich nicht ohne Weiteres auf KI übertragen. Model Governance und interne Audits sind nötig, um Fairness zu gewährleisten. Mehr lesen

ML-Ops.org

Alles zum Thema MLOps: Autorin und Maintainerin Larysa Visengeriyeva gibt hier eine vollumfängliche Einführung. Mehr Infos

Online-Termine

Vor-Ort-Termine

Termine auf Anfrage

Event-Ticketing-Software von pretix

Inhouse Training

Du kannst dieses Training auch als Inhouse-Training exklusiv für Dein Team buchen. Bitte nutze dafür unser Anfrage-Formular.

Jetzt anfragen