Buchungs-Nr.:
36447
Machine-Learning-Projekte werden technisch schnell komplex und erfordern die richtige Herangehensweise, Steuerung und Infrastruktur, um nachhaltig, effizient und skalierbar zu sein. Dieser Kurs bietet mit dem anerkannten MLOps-Framework einen hilfreichen Leitfaden mit Best Practices, Methoden und Werkzeugen, um den Lebenszyklus von Machine-Learning-Modellen optimal zu managen und abzubilden. Du lernst alle MLOps-Stationen - von der Datenversionierung bis zum Monitoring - im Detail kennen.
1. MLOps – was es ist und warum es ohne nicht geht
2. Datenversionierung und Experiment Tracking
3. Data Pipeline Orchestration
4. Experiment Tracking
5. CI/CD für Machine Learning
6. Deployment und Serving
7. Monitoring
8. MLOps in der Cloud
9. Machine-Learning-Plattformen
10. Exkurs: LLMOps
Technische Voraussetzungen
In diesem Seminar lernst du den Einsatz der Methoden und Tools in vielen Praxisübungen kennen. Diese führst du selbst lokal auf deinem eigenen Rechner aus. Um dies zu ermöglichen bitten wir dich, vor dem Kurstermin die Anwendungen Docker Desktop und Git zu installieren und zu testen – bitte beachte, dass du dafür entsprechende Berechtigungen auf deinem Rechner benötigst. Nach der Installation kannst du die Pakete, die dir die Trainer bereitstellen, herunterladen und einrichten. Eine ausführliche Anleitung dafür erhältst du ca. zwei Wochen vor dem Kurstermin.
