Kontakt aufnehmen

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

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien