Teams erfassten Läufe, Parameter und Metriken in lokalen Dateien oder Tabellen. Experimentverfolgungssysteme bewahren Artefakte, Codeversionen und Vergleiche nun zentral auf.
Tabellenkalkulations-Experimentverfolger existiert nicht mehr als lebendiger Beruf. Hier, was ihn ausgelöscht hat, und welcher Beruf die Arbeit übernommen hat.
Modelle als Forschungsartefakte
Maschinelles Lernen fand größtenteils in Forschung, Spezialprodukten und Statistik statt. Betriebliche Belange existierten, waren aber meist keine eigenständige Laufbahn.
Was damals sonst passierte
Ranking im Web-Maßstab zeigt, wie Modelle und Dateninfrastruktur zentrale Produktinfrastruktur werden können.
Amazon Web Services macht elastische Rechen- und Speicherressourcen als Dienstleistung statt als Eigenhardware verfügbar.
Der Erfolg von AlexNet bei ImageNet macht GPU-basiertes Training zum Kern vieler Machine-Learning-Programme.
Google-Forscher beschreiben, warum ML-Systeme Abhängigkeiten und Wartungslasten über ihren Modellcode hinaus anhäufen.
Wo diese Arbeit heute lebt
Baut die Systeme, die Machine-Learning-Modelle in der Produktion trainieren, bereitstellen, überwachen und regeln.
📦 MLOps-Ingenieur/in →