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.
Dauer 14 Stunden
Schulungsübersicht
Einführung in Devstral- und Mistral-Modelle
- Überblick über die Open-Source-Modelle von Mistral
- Apache-2.0-Lizenzierung und Etablierung im Unternehmensumfeld
- Rolle von Devstral bei Coding- und Agenten-Workflows
Self-Hosting von Mistral- und Devstral-Modellen
- Vorbereitung der Umgebung und Infrastrukturwahl
- Containerisierung und Bereitstellung mit Docker/Kubernetes
- Skalierbarkeitserwägungen für den Produktiveinsatz
Feinabstimmungstechniken
- Überwachtes Feintuning im Vergleich zu parametereffizientem Tuning
- Vorbereitung und Bereinigung von Datensätzen
- Beispiele für branchenspezifische Anpassungen
Model Ops und Versionierung
- Best Practices für das Lebenszyklus-Management von Modellen
- Strategien zur Modellversionierung und Rollback
- CI/CD-Pipelines für ML-Modelle
Governance und Compliance
- Sicherheitsaspekte bei der Open-Source-Bereitstellung
- Überwachung und Auditierbarkeit im Unternehmenskontext
- Compliance-Rahmenwerke und verantwortungsvolle KI-Praktiken
Überwachung und Beobachtbarkeit
- Erfassung von Modell-Drift und Genauigkeitsverlust
- Instrumentierung für Inferenzleistung
- Alerting- und Reaktions-Workflows
Fallstudien und Best Practices
- Branchenanwendungsbeispiele für die Einführung von Mistral und Devstral
- Gleichgewicht zwischen 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
- Kenntnisse in der Containerisierung und Bereitstellungsumgebungen
Zielgruppe
- ML-Ingenieure
- Datenplattformteams
- Forschungsingenieure