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
- 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