Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in das KI-Deployment
- Überblick über den Lebenszyklus des KI-Deployments
- Herausforderungen beim Deployment von KI-Agenten in die Produktion
- Wichtige Aspekte: Skalierbarkeit, Zuverlässigkeit und Wartbarkeit
Containerisierung und Orchestrierung
- Einführung in Docker und Grundlagen der Containerisierung
- Einsatz von Kubernetes zur Orchestrierung von KI-Agenten
- Best Practices für das Management containerisierter KI-Anwendungen
Serving von KI-Modellen
- Überblick über Model-Serving-Frameworks (z. B. TensorFlow Serving, TorchServe)
- Aufbau von REST-APIs für die Inferenz von KI-Agenten
- Verarbeitung von Batch- und Echtzeit-Vorhersagen
CI/CD für KI-Agenten
- Einrichtung von CI/CD-Pipelines für KI-Deployments
- Automatisierung der Testung und Validierung von KI-Modellen
- Rolling Updates und Verwaltung der Versionierung
Überwachung und Optimierung
- Einführung von Monitoring-Tools für die Leistungsfähigkeit von KI-Agenten
- Analyse von Model Drift und Bedarf an Nachschulung (Retraining)
- Optimierung der Ressourcennutzung und Skalierbarkeit
Sicherheit und Governance
- Sicherstellung der Einhaltung von Datenschutzbestimmungen
- Schutz von KI-Deployment-Pipelines und APIs
- Auditing und Logging für KI-Anwendungen
Praxisübungen
- Containerisierung eines KI-Agenten mit Docker
- Deployment eines KI-Agenten mit Kubernetes
- Einführung von Monitoring für KI-Leistung und Ressourcennutzung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Beherrschung der Programmiersprache Python
- Grundverständnis von Machine-Learning-Workflows
- Vertrautheit mit Containerisierungstools wie Docker
- Erfahrung mit DevOps-Praktiken (empfohlen)
Zielgruppe
- MLOps-Engineers
- DevOps-Professionals
14 Stunden
