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
- Maschinelles Lernen im Vergleich zu traditioneller Software
Überblick über den DevOps-Workflow
Überblick über den Workflow des maschinellen Lernens
ML als Code plus Daten
Komponenten eines ML-Systems
Fallstudie: Eine Verkaufsprognoseanwendung
Zugriff auf Daten
Validierung von Daten
Datentransformation
Von der Datenpipeline zur ML-Pipeline
Erstellung des Datenmodells
Training des Modells
Validierung des Modells
Wiederholung der Modelltrainingsschritte
Bereitstellung eines Modells
Bereitstellung eines trainierten Modells in Produktion
Testen eines ML-Systems
Orchestrierung kontinuierlicher Lieferungen
Überwachung des Modells
Daten Versionierung
Anpassen, Skalieren und Wartung einer MLOps-Plattform
Problembehandlung
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Ein Verständnis des Softwareentwicklungscykls
- Erfahrung im Aufbau oder der Arbeit mit Machine Learning-Modellen
- Kenntnisse in Python-Programmierung
Zielgruppe
- ML-Ingenieure
- DevOps-Ingenieure
- Data-Ingenieure
- Infrastruktur-Ingenieure
- Softwareentwickler
35 Stunden
Erfahrungsberichte (3)
There were many practical exercises supervised and assisted by the trainer
Aleksandra - Fundacja PTA
Kurs - Mastering Make: Advanced Workflow Automation and Optimization
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Kurs - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
