Cross Validation
Ziel beim Machine Learning ist es ein Modell zu trainieren, dass auch auf neuen, bisher ungesehenen Daten funktioniert. Cross Validation ist eine zuverlässige Methode der …
Metriken zur Modellbewertung
Wenn man Machine-Learning-Modelle trainiert, ist die Wahl der richtigen Metrik zur Modellbewertung entscheidend. Unterschiedliche Aufgaben (z. B. Klassifikation vs. Regression) erfordern unterschiedliche Metriken – und …
Data Wrangling mit Polars
Polars ist eine moderne DataFrame-Bibliothek für Python, die auf Apache Arrow basiert. Sie wurde mit Fokus auf Performance, Speichereffizienz und Parallelisierung entwickelt. Während Pandas nach …
REST APIs mit Pydantic und Swagger
REST APIs gehören heute zu den wichtigsten Bausteinen moderner Data-Science- und Machine-Learning-Systeme. Sie ermöglichen es, Modelle, Datenpipelines und Analysen als skalierbare, wiederverwendbare Services bereitzustellen – …
GCP Projekte einrichten
Google Cloud Platform (GCP) ist ein leistungsfähiges, aber komplexes Ökosystem. Besonders Einsteiger verlieren sich leicht in Projekten, Service Accounts und Berechtigungen. In diesem Blog wird …
GCP Pub/Sub für Data-Science
Immer mehr Machine-Learning-Modelle laufen produktiv und generieren kontinuierlich neue Vorhersagen. Damit steigt der Bedarf, diese Predictions, Features und Labels in Echtzeit zu erfassen, zu überwachen …
Automatisierte Code-Qualität in Data-Science-Projekten
Vor allem in Data-Science-Projekten wächst Code oft organisch: schnelle Analysen, viele Notebooks, wenig Struktur. Doch spätestens, wenn ein Modell produktiv gehen oder ein Team gemeinsam …
CI/CD mit GitHub Actions und GCP
In diesem Beitrag wird gezeigt, wie man einen vollständigen CI/CD-Workflow für eine Python-Anwendung mithilfe von GitHub und GCP erstellt. Eine einfache Anwendung soll mit Hilfe …
Experiment Tracking mit MLflow und Vertex AI
Beim Trainieren von Machine-Learning-Modellen entsteht schnell eine Vielzahl an Varianten: unterschiedliche Hyperparameter, Trainingsdaten, Modelle und Evaluationsmetriken. Um den Überblick zu behalten, ist Experiment Tracking unerlässlich. …
Modellierung nichtlinearer Zusammenhänge
In vielen realen Anwendungen sind Zusammenhänge zwischen Variablen nichtlinear. Klassische lineare Regressionsmodelle können solche Zusammenhänge nicht adäquat erfassen. Trotzdem gibt es auch in linearen Regressionsmodellen …