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
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
Erfahrungsberichte (3)
Gute und machbare Übungen.
Jannes Wykhoff - Landesamt fur Geoinformation und Landesvermessung Niedersachsen (LGLN)
Kurs - Certified Kubernetes Application Developer (CKAD) - exam preparation
Wie Trainer Wissen effektiv vermitteln
Vu Thoai Le - Reply Polska sp. z o. o.
Kurs - Certified Kubernetes Administrator (CKA) - exam preparation
Maschinelle Übersetzung
Der Trainer hatte viel Wissen und Geduld, die er mit uns teilen konnte.
Bogdan Olaru
Kurs - Introduction to Docker
Maschinelle Übersetzung