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

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.

Lernen Sie die wesentlichen Prinzipien und Konzepte von MLOps kennen, einschließlich der Integration in die Bereiche DevOps und Machine Learning.

lernen Sie fortgeschrittene MLOps-Tools und -Techniken sowie Methoden zur kontinuierlichen Integration und Bereitstellung (CI/CD) kennen.

Tauchen Sie ein in die Nutzung von spezialisierten Cloud-Plattformen, Datenversionierung und Feature Stores, 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. Außerdem lernen Sie fortgeschrittene MLOps-Tools und -Techniken sowie Methoden zur kontinuierlichen Integration und Bereitstellung (CI/CD) kennen.

Praktische Anwendungen, die wir in der MLOps-Schulung behandeln werden:

  • 1
    Implementierung und Verwaltung von ML-Pipelines mit Kubeflow und Apache Airflow.
  • 2
    Verwenden Sie TensorFlow, DVC, Feast und dbt in praktischen Übungen, um ML-Modelle zu erstellen und einzusetzen.
  • 3
    Anwendung von Überwachungs- und Metrik-Tools wie Hydrosphere, Evidently.ai und Grafana, um Daten und Konzeptabweichungen zu verfolgen.
  • 4
    Praktische Übungen zur Modellbereitstellung mit FastAPI, Seldon Core und TensorFlow Serving.
  • 5
    Ausführen 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 verstehen und anwenden.
  • 2
    Effektive Nutzung von Konzepten und Umgebungen für maschinelles Lernen.
  • 3
    Implementieren Sie Datenversionierung und Funktionsspeicher.
  • 4
    Erstellen und orchestrieren Sie ML-Pipelines.
  • 5
    Verwenden Sie Frameworks für maschinelles Lernen wie Scikit-Learn, Keras und TensorFlow.
  • 6
    Setzen Sie Modelle mit fortschrittlichen Techniken und Tools ein und überwachen Sie sie.
  • 7
    Integrieren Sie CI/CD-Tools und Plattformen in ML-Workflows.

Dieser MLOps-Kurs ist perfekt für Sie, wenn…

  • Sie arbeiten in den Bereichen maschinelles Lernen, Data Engineering oder DevOps oder möchten dies tun.
  • Sie möchten Ihr Wissen über die Bereitstellung und Verwaltung von ML-Modellen erweitern.
  • Sie möchten praktische Erfahrungen mit fortgeschrittenen MLOps-Tools und -Techniken sammeln.
  • Sie möchten ein tiefes Verständnis für die Integration von maschinellem Lernen in DevOps-Prozesse entwickeln.

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

  • Sie sind nicht an der Integration von DevOps und maschinellem Lernen interessiert.
  • Sie haben keine Vorkenntnisse in den Bereichen maschinelles Lernen, Data Engineering, DevOps oder allgemeine Programmierung.
  • Sie sind nicht bereit, sich auf praktische Übungen und Projekte einzulassen.
  • Sie möchten keine Kenntnisse in der Nutzung von Cloud-Plattformen und fortgeschrittenen MLOps-Tools erwerben.

Hören Sie von unseren zufriedenen Schulungsteilnehmern

A1 Telekom Austria AG

“UTA hat mein Team bei der Entwicklung des Migrationsplans für unseren lokalen Datenspeicher in die öffentliche Cloud unterstützt.

Das herausragende Maß an Fachwissen, sowohl auf technischer als auch auf organisatorischer Ebene, sorgte für einen gut strukturierten und realistischen Migrationsplan mit Zeitplan, Meilensteinen und Aufwand.

Die Befähigung meines Teams stand im Mittelpunkt einer sehr reibungslosen Zusammenarbeit. Durch UTA haben wir unser Ziel schneller erreicht und die Risiken des Migrationsprojekts erheblich reduziert.

Ich kann die Dienste von UTA nur empfehlen!”

Reinhard Burgmann
Leiter des Data Ecosystem

Vattenfall

“Ich habe kürzlich an dem von Ultra Tendency veranstalteten Online-Kafka-Schulungstag von Vattenfall IT teilgenommen, und es war eine bereichernde Erfahrung.

Der Trainer, Ahmed, hat die Theorie hinter Kafka fantastisch erklärt und der Schwerpunkt auf der praktischen Anwendung war großartig. Die praktischen Programmierübungen waren besonders hilfreich, und ich habe noch nie eine Schulung mit so vielen interaktiven Beispielen erlebt!

Insgesamt kann ich diese Schulung jedem empfehlen, der seine Kafka-Kenntnisse interaktiv verbessern und wertvolle Fähigkeiten erwerben möchte.”

Bernard Benning
BA Heat

VP Bank

“Die MLOps-Schulung hat unsere Erwartungen übertroffen!

Er bot eine perfekte Mischung aus einem Überblick, praktischen Kodierungsbeispielen und realen Anwendungsfällen. Der Trainer beantwortete alle Fragen kompetent und passte die Inhalte an die Infrastruktur unseres Unternehmens an.

Diese Schulung vermittelte uns nicht nur Wissen, sondern auch praktische Fähigkeiten, die wir sofort anwenden können.”

Eisele Peer
Leitender Architekt & Leiter IT-Integration & Entwicklung

Hutchison Drei Austria GmbH

“Die Schulung Einführung in die Cloud mit AWS und Azure hat uns beeindruckt! Wir schätzten besonders den ausgezeichneten Überblick über die Themen, die praktischen Übungen und die umfangreichen praktischen Aktivitäten, die die erlernten Konzepte direkt anwendbar machten.

Der Inhalt war gut strukturiert, und die Kombination aus Theorie und praktischen Anwendungen war ideal für unsere Bedürfnisse. Die Möglichkeit, spezifische Fragen in den Fragerunden zu klären, war ebenfalls äußerst wertvoll. Insgesamt hat die Schulung unser Verständnis von Cloud Computing vertieft und uns einen Einblick in die Unterschiede und Stärken von AWS und Azure gegeben.

Wir fühlen uns jetzt besser vorbereitet, um strategische Entscheidungen für unsere Cloud-Strategie zu treffen. Vielen Dank für diese hervorragende Schulung!”

Eisele Peer
Leitender Architekt & Leiter IT-Integration & Entwicklung

Lernen Sie Ihre Trainingsexperten kennen

Marvin Taschenberger

Professioneller Software Architekt, Ultra Tendenz

Hudhaifa Ahmed

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

Matthias Baumann

Chief Technology Officer & leitender Architekt für Big Data-Lösungen, Ultra Tendency

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-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.