Kontakt aufnehmen

Schulungsübersicht

Grundlagen der Containerisierung für MLOps

  • Verständnis der Anforderungen des ML-Lebenszyklus
  • Wichtige Docker-Konzepte für ML-Systeme
  • Best Practices für reproduzierbare Umgebungen

Aufbau von containerisierten ML-Training-Pipelines

  • Paketierung von Modelltrainingscode und Abhängigkeiten
  • Konfiguration von Trainingsjobs unter Verwendung von Docker-Images
  • Verwaltung von Datensätzen und Artefakten in Containern

Containerisierung von Validierung und Modellbewertung

  • Reproduktion von Bewertungsumgebungen
  • Automatisierung von Validierungsworkflows
  • Erfassung von Metriken und Logs aus Containern

Containerisierte Inferenz und Bereitstellung (Serving)

  • Design von Inferenz-Microservices
  • Optimierung von Laufzeitcontainern für die Produktion
  • Implementierung skalierbarer Serving-Architekturen

Pipeline-Orchestrierung mit Docker Compose

  • Koordination von Multi-Container-ML-Workflows
  • Umgebungsisolierung und Konfigurationsmanagement
  • Integration ergänzender Dienste (z. B. Tracking, Speicherung)

Versionierung und Lifecycle-Management von ML-Modellen

  • Verfolgung von Modellen, Images und Pipeline-Komponenten
  • Versionskontrollierte Containerumgebungen
  • Integration von MLflow oder ähnlichen Tools

Bereitstellung und Skalierung von ML-Workloads

  • Ausführung von Pipelines in verteilten Umgebungen
  • Skalierung von Microservices unter Verwendung nativer Docker-Methoden
  • Überwachung von containerisierten ML-Systemen

CI/CD für MLOps mit Docker

  • Automatisierung der Builds und der Bereitstellung von ML-Komponenten
  • Testen von Pipelines in containerisierten Staging-Umgebungen
  • Sicherstellung von Reproduzierbarkeit und Rollbacks

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Verständnis von Machine-Learning-Workflows
  • Erfahrung mit Python für die Entwicklung von Daten oder Modellen
  • Vertrautheit mit den Grundlagen von Containern

Zielgruppe

  • MLOps-Ingenieure
  • DevOps-Praktiker
  • Datenplattform-Teams
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (3)

Kommende Kurse

Verwandte Kategorien