Die Erstellung neuer Machine-Learning-Modelle ist nicht trivial, nicht für Entwickler und in einigen Fällen selbst nicht für Data Scientists. Um AI in Applikationen zu nutzen, muss man Modelle aber nicht unbedingt komplett selbst erstellen. Mittlerweile werden kognitive Services wie Spracherkennung und Natural Language Understanding von verschiedenen Cloud-Providern angeboten, die auch ohne Machine Learning Skills angepasst werden können. Darüber hinaus gibt es Marktplätze mit vordefinierten Modellen, die als Startpunkt für individuelle Bedürfnisse benutzt werden können.

In diesem Vortrag wird anhand eines Bilderkennungsbeispiels gezeigt, wie man mit vordefinierten neuronalen Netzen und Transfer Learning einfach eigene Modelle erstellen kann. Anschließend werden verschiedene Deployment-Varianten gezeigt, wie zum Beispiel das Deployment der Modelle auf Kubernetes und IBM Watson Studio, sodass Applikationen über REST APIs Prognosen machen können. Im letzten Teil dieses Vortrages wird dann demonstriert, wie Modelle auf mobilen Endgeräten und Browsern mit TensorFlow Lite und TensorFlow.js effizient verwendet werden können.