{"id":7870,"date":"2025-02-04T14:29:37","date_gmt":"2025-02-04T14:29:37","guid":{"rendered":"https:\/\/ultratendency.academy\/mlops-neu\/"},"modified":"2026-02-17T08:01:23","modified_gmt":"2026-02-17T08:01:23","slug":"mlops","status":"publish","type":"page","link":"https:\/\/ultratendency.academy\/de\/mlops\/","title":{"rendered":"MLOps (neu)"},"content":{"rendered":"

<\/div><\/div><\/span>

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<\/h2><\/span>
<\/div><\/div><\/div>
<\/div><\/div><\/span>

MLOps-Training:
Basis Kurs<\/h1><\/span>
<\/div><\/div><\/div>
Kontaktieren Sie uns<\/span><\/i><\/a><\/div><\/div><\/div><\/div><\/div>

Tauchen Sie ein in die dynamische Welt von MLOps und beherrschen Sie die Kunst, Modelle des maschinellen Lernens zum Leben zu erwecken<\/strong> – mit diesem MLOps-Kurs<\/p>\n<\/div>

MLOps-Training:
Basis Kurs<\/p>\n<\/div>

Kontaktieren Sie uns<\/span><\/i><\/a><\/div>
<\/div><\/div><\/div><\/div><\/div>

Auf einen Blick<\/p>\n<\/div>

<\/i>

3 Tage<\/p>\n<\/div><\/div><\/div>

<\/i>

Individuell planbar<\/p>\n<\/div><\/div><\/div>

<\/i>

Vollst\u00e4ndig
Remote<\/p>\n<\/div><\/div><\/div>

<\/i>

Theorie &
Praxis<\/p>\n<\/div><\/div><\/div>

<\/i>

Englisch<\/p>\n<\/div><\/div><\/div><\/div>

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. <\/p>\n<\/div>

<\/div><\/div>

Unsere vertrauensw\u00fcrdigen Partner<\/p>\n<\/div>

<\/span><\/div><\/div><\/div>
<\/span><\/div><\/div><\/div>
<\/span><\/div><\/div><\/div><\/div>
<\/span><\/div><\/div><\/div>
<\/span><\/div><\/div><\/div>
<\/span><\/div><\/div><\/div><\/div><\/div><\/div>

Agenda (Beispiel)<\/p>\n<\/div>

Wir erstellen gerne gemeinsam mit Ihnen einen ma\u00dfgeschneiderten Zeitplan, damit DBT in Zukunft ein Kinderspiel wird.<\/p>\n<\/div>

<\/div><\/div>

Tag 1<\/p>\n<\/div>

MLOps-Grundlagen & Daten-Pipelines<\/p>\n<\/div>

<\/i><\/i><\/span>1. Einf\u00fchrung in MLOps & ML Workflow Automation<\/span><\/a><\/div><\/div>
\n
    \n
  1. Verst\u00e4ndnis der Grunds\u00e4tze und des Lebenszyklus von MLOps<\/strong><\/li>\n
  2. Die Rolle von DevOps in ML-Workflows<\/strong><\/li>\n
  3. \u00dcberblick \u00fcber ML-Frameworks und -Umgebungen<\/strong><\/li>\n
  4. Die wichtigsten Herausforderungen bei der Skalierung und Operationalisierung von ML-Modellen<\/strong><\/li>\n<\/ol>\n<\/div><\/div><\/div>
    <\/i><\/i><\/span>2. Daten-Pipelines & Datenversionierung<\/span><\/a><\/div><\/div>
    \n
      \n
    1. Arten und Merkmale<\/strong> von Datenpipelines<\/li>\n
    2. Datenqualit\u00e4t und -verwaltung<\/strong>: Abstammung, Vertr\u00e4ge, Metadatenverwaltung<\/li>\n
    3. Strategien zur Versionierung von Daten<\/strong> f\u00fcr die Reproduzierbarkeit<\/li>\n
    4. Praktische Anwendung: Implementierung der Datenversionierung mit DVC<\/strong><\/li>\n<\/ol>\n<\/div><\/div><\/div>
      <\/i><\/i><\/span>3. Feature-Speicher: Effiziente Verwaltung von ML-Features<\/span><\/a><\/div><\/div>
      \n
        \n
      1. Anwendungsf\u00e4lle & Vorteile<\/strong> von Feature Stores<\/li>\n
      2. Vergleichende eingehende Analyse: Feast & Hopsworks<\/strong><\/li>\n
      3. Praktische Anwendung: Verwendung eines Feature Store f\u00fcr ML-Workflows<\/strong><\/li>\n<\/ol>\n<\/div><\/div><\/div><\/div><\/div>

        Tag 2<\/p>\n<\/div>

        Modell-Bereitstellung & Orchestrierung<\/p>\n<\/div>

        <\/i><\/i><\/span>4. Pipelines & Workflow-Orchestrierung<\/span><\/a><\/div><\/div>
        \n
          \n
        1. Frameworks f\u00fcr ML-Pipelines<\/strong>: \u00dcberblick & beste Praktiken<\/li>\n
        2. Deep Dive: Apache Airflow f\u00fcr ML-Workflows<\/strong><\/li>\n
        3. Vertiefen Sie sich: Kubeflow f\u00fcr ein durchg\u00e4ngiges ML-Lebenszyklusmanagement<\/strong><\/li>\n
        4. Praktische Anwendung: Aufbau einer produktionsreifen ML-Pipeline<\/strong><\/li>\n<\/ol>\n<\/div><\/div><\/div>
          <\/i><\/i><\/span>5. Modell-Speicherung, -Bereitstellung & -Hosting<\/span><\/a><\/div><\/div>
          \n
            \n
          1. Speichern und Laden von ML-Modellen<\/strong> f\u00fcr die Produktion<\/li>\n
          2. Strategien zur Versionierung und Verwaltung von Modellen<\/li>\n
          3. Vergleich von Model Serving Frameworks<\/strong>: TFServe, KServe & mehr<\/li>\n
          4. Strategien f\u00fcr die Bereitstellung: Batch, Echtzeit & ereignisgesteuerte ML-Pipelines<\/strong><\/li>\n
          5. Praktische Anwendung: Einsatz von ML-Modellen in einer Produktionsumgebung<\/strong><\/li>\n<\/ol>\n<\/div><\/div><\/div>
            <\/i><\/i><\/span>6. Modell-Hosting & Data Science-Plattformen<\/span><\/a><\/div><\/div>
            \n
            \n
              \n
            1. Vergleich von ML-Hosting-Plattformen<\/strong>: Funktionen, Skalierbarkeit, Benutzerfreundlichkeit<\/li>\n
            2. Praktische Anwendung: Einsatz von Modellen mit MLFlow, Kubeflow & Metaflow<\/strong><\/li>\n<\/ol>\n<\/div>\n<\/div><\/div><\/div><\/div><\/div>

              Tag 3<\/p>\n<\/div>

              \u00dcberwachung, Einhaltung von Vorschriften und bew\u00e4hrte Praktiken<\/p>\n<\/div>

              <\/i><\/i><\/span>7. \u00dcberwachung, Transparenz & Datenqualit\u00e4t<\/span><\/a><\/div><\/div>
              \n
              \n
                \n
              1. Kontinuierliche Modell- und Daten\u00fcberwachung<\/strong> f\u00fcr ML Produktionssysteme<\/li>\n
              2. Die S\u00e4ulen der Drifterkennung, Fairness und Leistungsverfolgung<\/strong><\/li>\n
              3. Implementierung der Datenvalidierung<\/strong> mit Great Expectations & DeeQu<\/li>\n
              4. Praktische Anwendung: \u00dcberwachung von ML-Modellen mit Evidently & NannyML<\/strong><\/li>\n<\/ol>\n<\/div>\n<\/div><\/div><\/div>
                <\/i><\/i><\/span>8. Visualisierung & Entscheidungsfindung<\/span><\/a><\/div><\/div>
                \n
                \n
                  \n
                1. Grafana f\u00fcr die \u00dcberwachung von Einblicken nutzen<\/strong><\/li>\n
                2. Bew\u00e4hrte Praktiken f\u00fcr die Interpretation der ML-\u00dcberwachungsergebnisse<\/strong><\/li>\n
                3. Automatisierte Benachrichtigung & Leistungsverfolgung<\/li>\n<\/ol>\n<\/div>\n<\/div><\/div><\/div>
                  <\/i><\/i><\/span>9. Abschlie\u00dfende Fragen und Antworten & Anpassung an Ihre Bed\u00fcrfnisse<\/span><\/a><\/div><\/div>
                  \n
                    \n
                  1. Diskussion \u00fcber Ihr \u00d6kosystem und bew\u00e4hrte Praktiken<\/strong><\/li>\n
                  2. Antworten auf Ihre Herausforderungen und offenen Fragen<\/strong><\/li>\n
                  3. Empfehlungen f\u00fcr die n\u00e4chsten Schritte bei der Skalierung von MLOps<\/strong><\/li>\n<\/ol>\n<\/div><\/div><\/div><\/div><\/div><\/div><\/div>
                    Kontaktieren Sie uns<\/span><\/i><\/a><\/div><\/div><\/div><\/div><\/div>
                    <\/div><\/div>

                    Bei dieser MLOps-Schulung erleben Sie eine ausgewogene Mischung aus Theorie, Live-Demonstrationen und praktischen \u00dcbungen.<\/h2>\n<\/div><\/div><\/div>
                    <\/div><\/div>
                    <\/i>

                    Lernen Sie die wesentlichen Prinzipien und Konzepte von MLOps kennen, einschlie\u00dflich der Integration in die Bereiche DevOps und Machine Learning.<\/p>\n<\/div><\/div><\/div>

                    <\/i>

                    lernen Sie fortgeschrittene MLOps-Tools und -Techniken sowie Methoden zur kontinuierlichen Integration und Bereitstellung (CI\/CD) kennen.<\/p>\n<\/div><\/div><\/div>

                    <\/i>

                    Tauchen Sie ein in die Nutzung von spezialisierten Cloud-Plattformen, Datenversionierung und Feature Stores, die Erstellung und Verwaltung von ML-Pipelines.<\/p>\n<\/div><\/div><\/div><\/div><\/div>

                    <\/div><\/div><\/span>

                    In diesem MLOps Kurs …<\/h2><\/span>
                    <\/div><\/div><\/div>

                    … lernen Sie die wesentlichen Prinzipien<\/strong> und Konzepte<\/strong> von MLOps kennen, einschlie\u00dflich der Integration in die<\/strong> Bereiche<\/strong> DevOps<\/strong> und maschinelles Lernen<\/strong>, der Verwendung spezialisierter Cloud-Plattformen<\/strong>, der Versionierung von Daten<\/em> und Funktionsspeichern<\/strong>, der Erstellung<\/strong> und Verwaltung<\/strong> von ML-Pipelines<\/strong> sowie der Bereitstellung<\/strong> und \u00dcberwachung<\/strong> von Modellen<\/strong>. Au\u00dferdem lernen Sie fortgeschrittene MLOps-Tools<\/strong> und -Techniken<\/strong> sowie Methoden zur kontinuierlichen Integration<\/strong> und Bereitstellung<\/strong> (CI\/CD) kennen.<\/p>\n<\/div><\/div><\/div>

                    <\/div><\/div><\/span>

                    Praktische Anwendungen, die wir in der MLOps-Schulung behandeln werden:<\/h1><\/span>
                    <\/div><\/div><\/div><\/div><\/div>