Tauchen Sie ein in die dynamische Welt von MLOps und beherrschen Sie die Kunst, Modelle des maschinellen Lernens zum Leben zu erwecken – mit diesem MLOps-Kurs
Mit unserem von Experten geleiteten MLOPS-Schulungsprogramm, das Sie mit den neuesten Kenntnissen über die Bereitstellung und Verwaltung moderner Anwendungen ausstattet. Profitieren Sie von unserem umfangreichen Erfahrungsschatz aus unzähligen Kundenprojekten:
Bei dieser MLOps-Schulung erleben Sie eine ausgewogene Mischung aus Theorie, Live-Demonstrationen und praktischen Übungen.
Erlernen Sie die grundlegenden Prinzipien und Konzepte von MLOps, einschließlich der Integration in die Bereiche DevOps und Machine Learning.
Vertiefen Sie ihr Wissen über die Nutzung spezialisierter Cloud-Plattformen, Datenversionsverwaltung und Feature-Stores sowie in die Erstellung und Verwaltung von ML-Pipelines
Lernen Sie fortgeschrittene MLOps-Tools und -Techniken sowie Methoden für kontinuierliche Integration und Bereitstellung (CI/CD) kennen.
In diesem MLOps-Kurs lernen Sie die wesentlichen Prinzipien und Konzepte von MLOps kennen, darunter die Integration in die Bereiche DevOps und Machine Learning, die Verwendung spezialisierter Cloud-Plattformen, die Versionierung von Daten und die Speicherung von Funktionen, die Erstellung und Verwaltung von ML-Pipelines sowie die Bereitstellung und Überwachung von Modellen. Zudem werden Sie fortgeschrittene MLOps-Tools und –Techniken kennenlernen sowie Methoden für kontinuierliche Integration und Bereitstellung (CI/CD)
Praktische Anwendungen, die wir in der MLOps-Schulung behandeln werden:
- 1Implementierung und Verwaltung von ML-Pipelines mit Kubeflow und Apache Airflow.
- 2Nutzung von TensorFlow, DVC, Feast und dbt in praktischen Übungen zur Erstellung und Bereitstellung von ML-Modellen.
- 3Applying monitoring and metrics tools like Hydrosphere, Evidently.ai, and Grafana to track data and concept drift.
- 4Hands-on Aktivitäten zur Modellbereitstellung mit FastAPI, Seldon Core und TensorFlow Serving.
- 5Durchführung von CI/CD-Prozessen mit Tools wie Jenkins, Prefect, Airflow, Rundeck, Kedro, TFX und Kubeflow.
Nach der MLOps-Schulung werden Sie in der Lage sein:
- 1Die Bedeutung von MLOps zu verstehen und anzuwenden.
- 2Machine Learning Konzepte und Umgebungen effektiv zu nutzen.
- 3Datenversionierung und Feature Stores zu implementieren.
- 4ML-Pipelines zu erstellen und zu orchestrieren.
- 5Machine Learning Frameworks wie Scikit-Learn, Keras und TensorFlow zu verwenden.
- 6Modelle mithilfe von fortgeschrittenen Techniken und Tools bereitzustellen und zu überwachen.
- 7CI/CD-Tools und Plattformen in ML-Workflows zu integrieren.
Die MLOps-Schulung ist NICHT für Sie geeignet, wenn…
Agenda
-
Konzepte des maschinellen Lernens
- Einführung
- Recap: Machine Learning Frameworks
- Machine Learning Umgebungen
-
Data Versioning
- Einführung in die Versionsverwaltung
- Übersicht über Versionsverwaltungswerkzeuge
- DVC
- Hands-on
-
Feature Stores
- Einsatzmöglichkeiten und Optionen
- Deep-dive Feast
- Hand-on
-
Pipelines & Orchestration
- Arten und Merkmale von Datenpipelines
- Frameworks für ML Pipelines
- Hands-on
-
Modellbereitstellung
- Speichern und Laden von Modellen
- Serving Overview
- Hands-on
Zusätzlich zur Training Agenda:
-
Feature Stores
- Deep-dive Hopswork
-
Pipelines & Orchestration
- Focus: Airflow
- Focus: Kubeflow
-
Modellbereitstellung
- Bereitstellungsstrategien
-
Überwachung von Modellen
- Transparenz und Erklärbarkeit
- Säulen des Monitoring
- Monitoring Frameworks
- Hands-on
-
Ihre Themen
- Ihr Ökosystem
- Ihre Best Practices
- weitere Frameworks und Hands-On für Ihre Anforderungen
Was andere Teilnehmer des MLOps-Kurses sagen
Dieses MLOps-Training hat meine Erwartungen übertroffen. Der Kurs war gut strukturiert und deckte ein breites Themenspektrum ab, von der Datenversionierung bis hin zu CI/CD-Prozessen. Besonders nützlich fand ich die praktischen Übungen, da sie es mir ermöglichten, das Gelernte in realen Szenarien anzuwenden. Der Einsatz fortschrittlicher Tools wie Seldon Core und Grafana vermittelte mir ein tieferes Verständnis für die Modellbereitstellung und -überwachung. Der Kurs eignet sich perfekt für alle, die im Bereich maschinelles Lernen oder DevOps arbeiten, und ist eine großartige Möglichkeit, über die neuesten MLOps-Praktiken auf dem Laufenden zu bleiben. Ich bin jetzt besser für den Umgang mit ML-Workflows in meinen Projekten gerüstet.
– Felix Ruge
Ich habe kürzlich das MLOps-Training abgeschlossen und es war eine unglaubliche Erfahrung! Der Kurs deckt ein breites Themenspektrum ab, von den Grundprinzipien von MLOps bis hin zu fortgeschrittenen Techniken für die Modellbereitstellung und -überwachung. Die praktischen Übungen, insbesondere die mit Kubeflow und Apache Airflow, waren äußerst praxisnah und haben mir geholfen, Sicherheit bei der Umsetzung realer Lösungen zu gewinnen.
Die Dozenten waren kompetent und unterstützend und stellten sicher, dass komplexe Konzepte wie CI/CD für maschinelles Lernen leicht verständlich waren. Besonders gut hat mir der Fokus auf Cloud-Plattformen und die Integration von maschinellem Lernen mit DevOps gefallen, die in der heutigen Technologiebranche entscheidende Fähigkeiten sind.
Am Ende des Kurses fühlte ich mich gut gerüstet, um in meiner Rolle als Dateningenieur mit verschiedenen Aspekten von MLOps umzugehen. Diese Schulung ist ein Muss für alle, die ihr Fachwissen im Bereich maschinelles Lernen vertiefen und ihre Modelle effektiv umsetzen möchten.
– Matteo Fontana
Ihre Investition
- Kombination aus Theorie und Praxis mit Live-Demos und Übungen zur aktiven Entwicklung von Fähigkeiten.
- Verstehen Sie die Anwendung von DevOps-Prinzipien bei der Automatisierung des maschinellen Lernlebenszyklus, von der Datenvorbereitung bis zum Modelltraining.
- Lernen Sie, die Komplexität und Herausforderungen bei der Verwaltung von Modellen für maschinelles Lernen in einer Produktionsumgebung effektiv zu bewältigen.
Lernen Sie Ihre MLOps-Schulungsexperten kennen
Marvin Taschenberger
Hudhaifa Ahmed
Senior Lead Big Data Developer & Berlin Territory Manager, Ultra Tendency
Matthias Baumann
Erforderliche Hardware und Infrastruktur für Ihr MLOps-Training
- Sie benötigen einen PC oder Mac mit einem Webbrowser und MS Teams.
- Während der Schulung stellen wir Ihnen eine virtuelle Maschine mit den erforderlichen lokalen Abhängigkeiten, Diensten und Root-Zugriffen zur Verfügung.
- Auf dieser VM läuft ein Kubernetes-Cluster, auf dem Sie die Trainingsanweisungen testen und ausführen können.
- Sie können über einen Browser oder SSH auf die Maschine zugreifen, wenn Sie möchten und die Netzwerkbeschränkungen dies zulassen.