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

MLOps-Schulung:
Grundkurs

Auf einen Blick

3 Tage

Individuell planbar

Komplett Online

Theorie &
Praxis

Englisch

Lernen Sie die wichtigsten Prinzipien von MLOps und seine Integration mit DevOps und Machine Learning kennen. Lernen Sie fortschrittliche Tools, CI/CD-Methoden, Cloud-Plattformen, Datenversionierung und ML-Pipeline-Management kennen.

Unsere vertrauenswürdigen Partner

Agenda (Beispiel)

Wir erstellen gerne gemeinsam mit Ihnen einen maßgeschneiderten Zeitplan, damit DBT in Zukunft ein Kinderspiel wird.

Tag 1

MLOps-Grundlagen & Daten-Pipelines

  1. Verständnis der Grundsätze und des Lebenszyklus von MLOps
  2. Die Rolle von DevOps in ML-Workflows
  3. Überblick über ML-Frameworks und -Umgebungen
  4. Die wichtigsten Herausforderungen bei der Skalierung und Operationalisierung von ML-Modellen
  1. Arten und Merkmale von Datenpipelines
  2. Datenqualität und -verwaltung: Abstammung, Verträge, Metadatenverwaltung
  3. Strategien zur Versionierung von Daten für die Reproduzierbarkeit
  4. Praktische Anwendung: Implementierung der Datenversionierung mit DVC
  1. Anwendungsfälle & Vorteile von Feature Stores
  2. Vergleichende eingehende Analyse: Feast & Hopsworks
  3. Praktische Anwendung: Verwendung eines Feature Store für ML-Workflows

Tag 2

Modell-Bereitstellung & Orchestrierung

  1. Frameworks für ML-Pipelines: Überblick & beste Praktiken
  2. Deep Dive: Apache Airflow für ML-Workflows
  3. Vertiefen Sie sich: Kubeflow für ein durchgängiges ML-Lebenszyklusmanagement
  4. Praktische Anwendung: Aufbau einer produktionsreifen ML-Pipeline
  1. Speichern und Laden von ML-Modellen für die Produktion
  2. Strategien zur Versionierung und Verwaltung von Modellen
  3. Vergleich von Model Serving Frameworks: TFServe, KServe & mehr
  4. Strategien für die Bereitstellung: Batch, Echtzeit & ereignisgesteuerte ML-Pipelines
  5. Praktische Anwendung: Einsatz von ML-Modellen in einer Produktionsumgebung
  1. Vergleich von ML-Hosting-Plattformen: Funktionen, Skalierbarkeit, Benutzerfreundlichkeit
  2. Praktische Anwendung: Einsatz von Modellen mit MLFlow, Kubeflow & Metaflow

Tag 3

Überwachung, Einhaltung von Vorschriften und bewährte Praktiken

  1. Kontinuierliche Modell- und Datenüberwachung für ML Produktionssysteme
  2. Die Säulen der Drifterkennung, Fairness und Leistungsverfolgung
  3. Implementierung der Datenvalidierung mit Great Expectations & DeeQu
  4. Praktische Anwendung: Überwachung von ML-Modellen mit Evidently & NannyML
  1. Grafana für die Überwachung von Einblicken nutzen
  2. Bewährte Praktiken für die Interpretation der ML-Überwachungsergebnisse
  3. Automatisierte Benachrichtigung & Leistungsverfolgung
  1. Diskussion über Ihr Ökosystem und bewährte Praktiken
  2. Antworten auf Ihre Herausforderungen und offenen Fragen
  3. Empfehlungen für die nächsten Schritte bei der Skalierung von MLOps

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.

Lernen Sie fortgeschrittene MLOps-Tools und -Techniken sowie Methoden für kontinuierliche Integration und Bereitstellung (CI/CD) kennen.

Vertiefen Sie ihr Wissen über die Nutzung spezialisierter Cloud-Plattformen, Datenversionsverwaltung und Feature-Stores sowie in die Erstellung und Verwaltung von ML-Pipelines

In diesem MLOps 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. 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:

  • 1
    Implementierung und Verwaltung von ML-Pipelines mit Kubeflow und Apache Airflow.
  • 2
    Nutzung von TensorFlow, DVC, Feast und dbt in praktischen Übungen zur Erstellung und Bereitstellung von ML-Modellen.
  • 3
    Applying monitoring and metrics tools like Hydrosphere, Evidently.ai, and Grafana to track data and concept drift.
  • 4
    Hands-on Aktivitäten zur Modellbereitstellung mit FastAPI, Seldon Core und TensorFlow Serving.
  • 5
    Durchführung 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:

  • 1
    Die Bedeutung von MLOps zu verstehen und anzuwenden.
  • 2
    Machine Learning Konzepte und Umgebungen effektiv zu nutzen.
  • 3
    Datenversionierung und Feature Stores zu implementieren.
  • 4
    ML-Pipelines zu erstellen und zu orchestrieren.
  • 5
    Machine Learning Frameworks wie Scikit-Learn, Keras und TensorFlow zu verwenden.
  • 6
    Modelle mithilfe von fortgeschrittenen Techniken und Tools bereitzustellen und zu überwachen.
  • 7
    CI/CD-Tools und Plattformen in ML-Workflows zu integrieren.

Dieser MLOps-Kurs ist perfekt für Sie, wenn…

  • Sie im Bereich Machine Learning, Data Engineering oder DevOps arbeiten oder arbeiten möchten.
  • Sie Ihre Kenntnisse in der Bereitstellung und Verwaltung von ML-Modellen erweitern möchten.
  • Sie praktische Erfahrungen mit fortschrittlichen MLOps-Tools und -Techniken sammeln möchten.
  • Sie ein tiefes Verständnis für die Integration von Machine Learning in DevOps-Prozesse entwickeln möchten.

Die MLOps-Schulung ist NICHT für Sie geeignet, wenn…

  • Sie kein Interesse an der Integration von DevOps und Machine Learning haben.
  • Sie keine Vorkenntnisse in den Bereichen Machine Learning, Data Engineering, DevOps oder generelle Programmierung mitbringen.
  • Sie nicht bereit sind, praktische Übungen und Projekte durchzuführen.
  • Sie keine Kenntnisse in der Nutzung von Cloud-Plattformen und fortgeschrittenen MLOps-Tools erwerben möchten.

Hear from our satisfied training attendees

A1 Telekom Austria AG

„UTA coached my team along the development process of the migration plan of our on-premises data lake to the public cloud.

The outstanding level of expertise, both on a technical and organizational level, ensured a well-structured and realistic migration plan including timeline, milestones, and efforts.

The enablement of my team was at the center of a very smooth collaboration. Through UTA, we achieved our goal faster and reduced risks of the migration project significantly.

I highly recommend UTA’s services!“

Reinhard Burgmann
Head of Data Ecosystem

Vattenfall

“I recently attended Vattenfall IT’s online Kafka training day hosted by Ultra Tendency, and it was an enriching experience.

The trainer, Ahmed, did a fantastic job explaining the theory behind Kafka, and the emphasis on practical application was great. The hands-on programming exercises were particularly helpful, and I’ve never experienced training with so many interactive examples!

Overall, I highly recommend this training to anyone who wants to improve their Kafka knowledge interactively and gain valuable skills.”

Bernard Benning
BA Heat

VP Bank

„The MLOps training exceeded our expectations!

It offered a perfect blend of an overview, hands-on coding examples, and real-world use cases. The trainer answered all questions competently and adapted the content to fit our company’s infrastructure.

This training not only provided us with knowledge but also practical skills that we can apply immediately.“

Eisele Peer
Lead Architect & Head of IT Integration & Development

Get to know your DBT Training professionals

Marvin Taschenberger

Professional Software Architect, Ultra Tendency

Hudhaifa Ahmed

Senior Lead Big Data Developer & Berlin Territory Manager, Ultra Tendency

Matthias Baumann

Chief Technology Officer & Principal Big Data Solutions Architect Lead, Ultra Tendency

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.