In diesem Seminar erfahren Sie, wie Sie Machine-Learning-Modelle wartbar und automatisiert betreiben. Sie versionieren Modelle, setzen CI/CD-Pipelines auf und etablieren Monitoring-Strategien für Performance und Stabilität.
Sie lernen Tools wie MLflow und DVC kennen und setzen damit reproduzierbare und kontrollierbare ML-Prozesse im Unternehmenskontext um – von der Entwicklung bis zur Live-Anwendung.
Hinweis:
Dieses Seminar ist ein Angebot der PC-COLLEGE - Gruppe.
Inhalt:
- Was ist MLOps – und warum ist es notwendig?
- - Herausforderungen im produktiven ML-Betrieb
- - Typische Fehlerquellen und Lösungen
- Projektstruktur und Versionierung
- - Daten, Code, Parameter und Modelle nachvollziehbar organisieren
- Modell-Tracking mit MLflow
- - Experimente dokumentieren
- - Ergebnisse vergleichen
- - Modelle registrieren
- Automatisierung im Trainingsprozess
- - Wiederholbare Abläufe mit einfachen Skripten oder CI-Tools
- Monitoring und Nachvollziehbarkeit
- - Modellqualität beobachten
- - Drifts erkennen
- - Retraining vorbereiten
- Modellbereitstellung im Unternehmenskontext
- - Deployment-Varianten
- - Modell als API
- - Zusammenarbeit mit DevOps-Teams
Direktlink zum Kurs!