Kontakt aufnehmen

Schulungsübersicht

Einführung in Devstral- und Mistral-Modelle

  • Überblick über die Open-Source-Modelle von Mistral
  • Apache-2.0-Lizenzierung und Etablierung im Enterprise-Umfeld
  • Rolle von Devstral in Coding- und Agent-Workflows

Self-Hosting von Mistral- und Devstral-Modellen

  • Vorbereitung der Umgebung und Infrastrukturwahl
  • Containerisierung und Bereitstellung mit Docker/Kubernetes
  • Skalierungsoptionen für den Produktivbetrieb

Techniken des Fine-Tunings

  • Aufsichtsgeführtes Fine-Tuning vs. parameter-effizientes Tuning
  • Vorbereitung und Bereinigung von Datensätzen
  • Beispiele für domänenspezifische Anpassungen

Model Ops und Versionierung

  • Best Practices für das Modell-Lifecycle-Management
  • Modellversionierung und Rollback-Strategien
  • CI/CD-Pipelines für ML-Modelle

Governance und Compliance

  • Sicherheitsaspekte bei der Open-Source-Bereitstellung
  • Überwachung und Prüfbarkeit im Unternehmenskontext
  • Compliance-Rahmenwerke und verantwortungsvolle KI-Praktiken

Monitoring und Beobachtbarkeit (Observability)

  • Nachverfolgung von Modell-Drift und Leistungsabfall
  • Instrumentierung für Inferenz-Performance
  • Alarmierung und Reaktionsworkflows

Fallstudien und Best Practices

  • Branchenspezifische Anwendungsfälle für die Einführung von Mistral und Devstral
  • Balance aus Kosten, Leistung und Kontrolle
  • Erfahrungen aus dem Open-Source-Model Ops

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundverständnis von Machine-Learning-Workflows
  • Erfahrung mit Python-basierten ML-Frameworks
  • Vertrautheit mit Containerisierung und Bereitstellungsumgebungen

Zielgruppe

  • ML-Ingenieure
  • Data-Plattformteams
  • Forschungsingenieure
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien