在T-Mobile创建第一个面向客户的机器学习模型时，我们面临着一个难题。我们一次又一次地被告知，要在生产环境中部署机器学习模型，你必须使用Python，但我们最优秀的数据科学家精通用R语言用Keras和TensorFlow构建神经网络。为了避免重复工作，我们决定在生产环境中为我们的机器学习模型使用R。经过几个月的工作，使我们的容器符合云安全法规，并符合DevOps标准，我们成功地使用keras和plumber R包和Docker创建了一个容器化的API解决方案。今天，R正在积极地为我们的客户直接交互的工具提供动力，我们已经开源了我们的方法。在这次演讲中，我们将介绍如何将R模型部署为基于容器的api，我们在生产环境中使用R的困难和成功，以及如何设计你的团队来优化这种创新。
希瑟禁止
Heather Nolis是AI @ T-Mobile团队的创始成员，专注于将尖端分析转化为实时、可扩展的数据驱动产品。她的职业生涯始于神经科学，但当她意识到这一领域严重依赖于他人开发的软件时，她改变了方向，决定自己开发软件。你可以在推特上找到她的@heatherklus，她在那里谈论技术的多样性、数据的伦理影响和猫。
杰奎琳禁止
土星云的数据科学主管
我在使用数据科学解决业务问题方面有超过十年的经验。我曾在微软、Adobe、Airbnb和T-Mobile领导数据科学、机器学习和人工智能项目，并帮助从零开始建立数据科学团队。