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 Devstral- und Mistral-Modelle
- Überblick über die Open-Source-Modelle von Mistral
- Lizenzierung nach Apache 2.0 und Unternehmenadoptierung
- Rolle von Devstral in Coding- und Agentik-Workflows
Selbstbetreibung von Mistral- und Devstral-Modellen
- Vorbereitung der Umgebung und Infrastrukturwahl
- Containerisierung und Bereitstellung mit Docker/Kubernetes
- Skalierungsbetrachtungen für den Produktionsbetrieb
Feinabstimmungstechniken
- Überwachte Feinabstimmung versus parameter-effiziente Abstimmung
- Vorbereitung und Bereinigung des Datensatzes
- Domänenspezifische Anpassungsbeispiele
Model Ops und Versionierung
- Bewährte Praktiken für das Lebenszyklusmanagement von Modellen
- Modellversionierung und Rollback-Strategien
- CI/CD-Pipelines für ML-Modelle
Governance und Compliance
- Sicherheitsaspekte beim Open-Source-Betrieb
- Überwachung und Prüffähigkeit in Unternehmenskontexten
- Compliance-Rahmenwerke und verantwortungsvolle KI-Praktiken
Überwachung und Observability
- Verfolgung von Modelldrift und Genauigkeitsabbau
- Instrumentierung für die Inferenzleistung
- Alarmierungs- und Reaktionsworkflows
Case Studies und Best Practices
- Branchennutzungsfallbeispiele für die Adoption von Mistral und Devstral
- Ausgewogenheit zwischen Kosten, Leistung und Kontrolle
- Erfahrungen aus Open-Source-Model Ops
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis von Machine-Learning-Workflows
- Erfahrung mit Python-basierten ML-Frameworks
- Kenntnisse in Containerisierung und Bereitstellungsumgebungen
Zielgruppe
- ML-Ingenieure
- Data-Platform-Teams
- Forschungsinstrumente
14 Stunden