Wer mit beliebten KI-Frameworks, wie beispielsweise TensorFlow, CNTK, Caffe, Chainer & Co, ein Modell bauen wollte, musste sich bislang selbst um die komplette Infrastruktur kümmern und seine Data Science IDE entsprechend konfigurieren.

Doch das hat jetzt ein Ende.

In dieser Session zeigen Sören Stelzer und Sascha Dittmann wie man mit der Azure Machine Learning Workbench und dem Azure Batch AI Dienst eine durchgängige und einfach zu nutzende Data Science Umgebung aufbaut. Mit dieser lassen sich dann im großem Umfang parallel experimentieren, sowie Deep Learning- und KI-Modelle trainieren.