Das DEEP-HybridDataCloud-Projekt (DEEP) nutzt einen Hybrid-Cloud-Ansatz, um intensive Rechentechniken wie Deep Learning zu ermöglichen. Dies erfordert den Zugriff auf spezielle Hardware wie z. B. Grafikprozessoren (GPU) oder Low-Latency-Interconnects, um sehr große Datensätze zu untersuchen. DEEP basiert auf einem nutzerzentrierten Konzept, d. h. Entwickler von Machine-Learning-Anwendungen werden dabei unterstützt, Cloud-Dienste so zu kombinieren, dass sie technische Details geeignet kapseln. Nutzer/-innen können dadurch ihre speziellen Use Cases effizienter umsetzen. Zu den DEEP-Zielen gehört auch die Unterstützung von Nutzer/-innen unterschiedlicher Erfahrungsstufen durch verschiedene Integrationspfade. Dafür stehen ein Open Catalog für Machine-Learning-Anwendungen, eine DEEP-API (as-a-Service) für den Web-Zugang zu Machine-Learning-Modellen, eine CI/CD-Pipeline (continuous integration/continuous delivery) für Nutzeranwendungen sowie Pilot-Testbed-Ressourcen zur Verfügung. Ende März 2019 hat das Projekt die Zwischenbewertung bei der Europäischen Kommission in Luxemburg erfolgreich bestanden. Weitere Informationen: https://deep-hybrid-datacloud.eu