MLOps - Skalier- und wartbare ML-Projekte

In der Schulung erfahren Sie, wie Machine-Learning-Modelle effizient automatisiert und nachhaltig betrieben werden können. Durch den Einsatz von CI/CD-Pipelines und das Versionieren von Modellen erlangen Sie die Fähigkeit, diese konstant auf Performance und Stabilität zu überwachen. Dadurch wird eine langfristige Wartbarkeit Ihrer ML-Projekte gewährleistet.

Die Teilnehmer lernen, MLOps - Skalier- und wartbare ML-Projekte mit bewährten Tools wie MLflow und DVC erfolgreich umzusetzen. Diese Werkzeuge helfen Ihnen dabei, Arbeitsprozesse von der Entwicklung bis hin zur Live-Implementierung im Unternehmensumfeld kontrollierbar zu gestalten. Ein bedeutendes Highlight ist das Aufsetzen von reproduzierbaren ML-Prozessen, die durch diese Ansätze ermöglicht werden.

Dieser Kurs richtet sich an Fachleute, die ihre Kenntnisse in der Bereitstellung und Wartung von ML-Modellen vertiefen möchten, um Fehler zu minimieren und die Effizienz im Arbeitsalltag zu steigern. Dank des praxisnahen Ansatzes gewinnen Sie Sicherheit im Umgang mit gängigen Herausforderungen im produktiven Betrieb von Machine-Learning-Modellen. Dieses Seminar ist ein Angebot der PC-COLLEGE - Gruppe.

Was ist MLOps – und warum ist es notwendig?

- Herausforderungen im produktiven ML-Betrieb

- Typische Fehlerquellen und Lösungen

Projektstruktur und Versionierung

- Daten, Code, Parameter und Modelle nachvollziehbar organisieren

Modell-Tracking mit MLflow

- Experimente dokumentieren

- Ergebnisse vergleichen

- Modelle registrieren

Automatisierung im Trainingsprozess

- Wiederholbare Abläufe mit einfachen Skripten oder CI-Tools

Monitoring und Nachvollziehbarkeit

- Modellqualität beobachten

- Drifts erkennen

- Retraining vorbereiten

Modellbereitstellung im Unternehmenskontext

- Deployment-Varianten

- Modell als API

- Zusammenarbeit mit DevOps-Teams