#61: Technologische Must-Haves: Unser Survival-Guide für Data-Science-Projekte

Zusammenfassend unsere Must-Haves:

• Datenbank / DWH

• Lösung zur Datenvisualisierung

• Möglichkeit, unkompliziert zu entwickeln (lokal oder im Web)

• Versionskontrolle / CI/CD

• Deployment-Lösung

• Trennung von Entwicklungs- und Produktivumgebung

• Monitoring für Modell & Ressourcen

Verwandte Podcast-Episoden

Folge #2: Erfolgsfaktoren für Predictive Analytics Projekte (podbean.com/ew/pb-kdcmd-12460ab)

Folge #5: Data Warehouse vs. Data Lake vs. Data Mesh (podbean.com/ew/pb-a4xzx-127be01)

Folge #20: Ist Continuous Integration (CI) ein Muss für Data Scientists? (podbean.com/ew/pb-4mkqh-13bb3b3)

Folge #21: Machine Learning Operations (MLOps) (podbean.com/ew/pb-taen7-13ce0fa)

Folge #29: Die Qual der Wahl: Data Science Plattform vs. Customized Stack (podbean.com/ew/pb-pep8h-147029f)

Folge #35: Erfolgsfaktoren für Machine Learning Projekte mit Philipp Jackmuth von dida (podbean.com/ew/pb-b6j49-14f410b)

Folge #43: Damit es im Live-Betrieb nicht kracht: Vermeidung von Overfitting & Data Leakage (podbean.com/ew/pb-vw736-15baac0)

Folge #54: Modell-Deployment: Wie bringe ich mein Modell in die Produktion? (podbean.com/ew/pb-hhhwu-16b91f3)

Technologien & Tools

Datenvisualisierung: Azure Databricks (azure.microsoft.com/en-us/products/databricks), AWS Quicksight (aws.amazon.com/de/quicksight), Redash (redash.io)

Entwicklungsumgebung: VSCode (code.visualstudio.com), INWT Python IDE V2 (marketplace.visualstudio.com/items?itemName=in…), Remote Explorer (marketplace.visualstudio.com/items?itemName=ms…), Pycharm (jetbrains.com/pycharm)

Versionskontrolle: GitHub (github.com), GitLab (about.gitlab.com), Azure DevOps (azure.microsoft.com/en-us/products/devops)

CI/CD: GitHub Actions (github.com/features/actions), GitLab CI (docs.gitlab.com/ee/ci), Jenkins (jenkins.io)

Deployment: Kubernetes (kubernetes.io), Docker (docker.com), Helm (helm.sh), ArgoCD (argo-cd.readthedocs.io)

Experiment-Tracking: MLFlow (mlflow.org), DVC (dvc.org), Tensorboard (tensorflow.org/tensorboard)

Monitoring: Prometheus (prometheus.io), Grafana (grafana.com), AWS Cloudwatch (aws.amazon.com/de/cloudwatch)