MLOps-Schulung:
Basis-Intensivkurs
Mit unserem von Experten geleiteten Schulungsprogramm
vermitteln wir Ihnen die neuesten Kenntnisse über die Bereitstellung und Verwaltung moderner Anwendungen.
Profitieren Sie von unserem Erfahrungsschatz aus unzähligen Kundenprojekten:
Erleben Sie eine ausgewogene Mischung aus Theorie, Live-Demonstrationen und praktischen Übungen.
Lernen Sie die wesentlichen Prinzipien und Konzepte von MLOps kennen, einschließlich der Integration in die Bereiche DevOps und Machine Learning.
Tauchen Sie ein in die Nutzung von spezialisierten Cloud-Plattformen, Datenversionierung und Feature Stores, die Erstellung und Verwaltung von ML-Pipelines.
lernen Sie fortgeschrittene MLOps-Tools und -Techniken sowie Methoden zur kontinuierlichen Integration und Bereitstellung (CI/CD) kennen.
In diesem Kurs lernen Sie die wesentlichen Prinzipien und Konzepte von MLOps kennen, einschließlich der Integration in die Bereiche DevOps und maschinelles Lernen, der Verwendung spezialisierter Cloud-Plattformen, der Versionierung von Daten und Funktionsspeichern, der Erstellung und Verwaltung von ML-Pipelines sowie der Bereitstellung und Überwachung von Modellen. Außerdem lernen Sie fortgeschrittene MLOps-Tools und -Techniken sowie Methoden zur kontinuierlichen Integration und Bereitstellung (CI/CD) kennen.
Praktische Anwendungen, die wir in diesem Kurs behandeln werden:
- 1Implementierung und Verwaltung von ML-Pipelines mit Kubeflow und Apache Airflow.
- 2Verwenden Sie TensorFlow, DVC, Feast und dbt in praktischen Übungen, um ML-Modelle zu erstellen und einzusetzen.
- 3Anwendung von Überwachungs- und Metrik-Tools wie Hydrosphere, Evidently.ai und Grafana, um Daten und Konzeptabweichungen zu verfolgen.
- 4Praktische Übungen zur Modellbereitstellung mit FastAPI, Seldon Core und TensorFlow Serving.
- 5Ausführen von CI/CD-Prozessen mit Tools wie Jenkins, Prefect, Airflow, Rundeck, Kedro, TFX und Kubeflow.
Nach diesem Kurs werden Sie in der Lage sein:
- 1Die Bedeutung von MLOps verstehen und anwenden.
- 2Effektive Nutzung von Konzepten und Umgebungen für maschinelles Lernen.
- 3Implementieren Sie Datenversionierung und Funktionsspeicher.
- 4Erstellen und orchestrieren Sie ML-Pipelines.
- 5Verwenden Sie Frameworks für maschinelles Lernen wie Scikit-Learn, Keras und TensorFlow.
- 6Setzen Sie Modelle mit fortschrittlichen Techniken und Tools ein und überwachen Sie sie.
- 7Integrieren Sie CI/CD-Tools und Plattformen in ML-Workflows.
Der Kurs ist NICHT für Sie geeignet, wenn Sie …
Tagesordnung
-
Konzepte für maschinelles Lernen
- Einführung
- Rekapitulation: Frameworks für maschinelles Lernen
- Umgebungen für maschinelles Lernen
-
Daten-Visionierung
- Einführung in die Versionierung
- Überblick über die Versionierungswerkzeuge
- DVC
- Praktische Übungen
-
Feature Stores
- Anwendungsfälle und Optionen
- Vertieftes Festmahl
- Hand-on
-
Pipelines & Orchestrierung
- Arten und Merkmale von Datenpipelines
- Frameworks für ML-Pipelines
- Praktische Übungen
-
Modell Servieren
- Bewährte Verfahren für die Erstellung von Dockerdateien und Images
-
Fehlersuche und Wartung
- Speichern und Laden von Modellen
- Übersicht servieren
- Praktische Übungen
Zusätzlich zur Basic Training Agenda:
-
Feature Stores
- Tiefgreifende Hopfenarbeit
-
Pipelines & Orchestrierung
- Fokus: Luftstrom
- Fokus: Kubeflow
-
Modell Servieren
- Strategien für den Einsatz
-
Modell Überwachung
- Transparenz und Erklärbarkeit
- Säulen der Überwachung
- Überwachung von Rahmenwerken
- Praktische Übungen
-
Ihre Themen
- Ihr Ökosystem
- Ihre besten Praktiken
- weitere Frameworks und Hands-On nach Ihren Anforderungen
Was andere Teilnehmer des MLOps-Kurses sagen
Diese MLOps-Schulung hat meine Erwartungen übertroffen. Der Kurs war gut strukturiert und deckte ein breites Spektrum an Themen ab, von der Datenversionierung bis zu CI/CD-Prozessen. Ich fand die praktischen Übungen besonders nützlich, da sie es mir ermöglichten, das Gelernte in realen Szenarien anzuwenden. Der Einsatz von fortgeschrittenen Tools wie Seldon Core und Grafana vermittelte mir ein tieferes Verständnis für die Bereitstellung und Überwachung von Modellen. Der Kurs ist perfekt für alle, die im Bereich des maschinellen Lernens oder DevOps arbeiten, und er ist eine großartige Möglichkeit, sich über die neuesten MLOps-Praktiken zu informieren. Ich bin jetzt besser gerüstet, um ML-Workflows in meinen Projekten zu handhaben.
– Felix Ruge
Ich habe vor kurzem die MLOps-Schulung abgeschlossen und es war eine unglaubliche Erfahrung! Der Kurs deckt ein breites Spektrum an Themen ab, von den Grundprinzipien von MLOps bis hin zu fortgeschrittenen Techniken für die Bereitstellung und Überwachung von Modellen. Die praktischen Übungen, insbesondere die mit Kubeflow und Apache Airflow, waren sehr praxisnah und haben mir geholfen, Vertrauen in die Implementierung realer Lösungen zu gewinnen.
Die Dozenten waren sachkundig und unterstützend und sorgten dafür, dass komplexe Konzepte wie CI/CD für maschinelles Lernen leicht zu verstehen waren. Ich schätzte besonders den Fokus auf Cloud-Plattformen und die Integration von maschinellem Lernen mit DevOps, was in der heutigen Tech-Branche entscheidende Fähigkeiten sind.
Am Ende des Kurses fühlte ich mich gut gerüstet, um verschiedene Aspekte von MLOps in meiner Rolle als Dateningenieur zu behandeln. Diese Schulung ist ein Muss für jeden, der sein Fachwissen im Bereich des maschinellen Lernens vertiefen und seine Modelle effektiv operationalisieren möchte.
– Matteo Fontana
Ihre Investition
- Kombination von Theorie und Praxis mit Live-Demos und Übungen zur aktiven Entwicklung von Fähigkeiten.
- Verstehen Sie die Anwendung von DevOps-Prinzipien bei der Automatisierung des Lebenszyklus des maschinellen Lernens, von der Datenaufbereitung bis zum Modelltraining.
- Lernen Sie, die Komplexität und die Herausforderungen bei der Verwaltung von maschinellen Lernmodellen in einer Produktionsumgebung effektiv zu bewältigen.
Lernen Sie Ihre MLOps-Experten kennen
Marvin Taschenberger
Hudhaifa Ahmed
Senior Lead Big Data Developer & Berlin Territory Manager, Ultra Tendency
Matthias Baumann
Benötigte 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-Zugriff zur Verfügung.
- Diese VM verfügt über einen laufenden Kubernetes-Cluster, auf dem Sie die Trainingsanweisungen testen und ausführen können.
- Sie können über einen Browser oder SSH auf den Rechner zugreifen, wenn Sie dies wünschen und die Netzwerkbeschränkungen es zulassen.