MLOps – Skalier- und wartbare ML-Projekte
Die MLOps Schulung vermittelt, wie Sie ML-Modelle versionieren, automatisieren und überwachen. Sie lernen MLflow und DVC für reproduzierbare ML-Prozesse vom Entwicklungsstand bis zur Live-Anwendung kennen.
Unser Angebot richtet sich ausschließlich an Unternehmer (§ 14 BGB), Gewerbetreibende, Freiberufler sowie öffentliche Auftraggeber. Kein Verkauf an Verbraucher (§ 13 BGB). Alle Preisangaben werden sorgfältig gepflegt. Preisirrtümer und technische Darstellungsfehler können jedoch nicht vollständig ausgeschlossen werden.
Kursdetails & Termine
Kursbeschreibung
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:
Seminarinhalte
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
Zielgruppe
Nach dem Kurs können Sie ML-Modelle in automatisierte Workflows integrieren, dokumentieren, überwachen und bei Bedarf automatisiert retrainieren.
Voraussetzungen
Erfahrung mit Python und ML-Workflows. Grundkenntnisse im Umgang mit ML-Frameworks (z. B. Scikit-Learn, TensorFlow oder PyTorch) und gängigen DevOps-Tools (Git, Bash) sind hilfreich.
Lernziele
Nach dem Kurs können Sie ML-Modelle in automatisierte Workflows integrieren, dokumentieren, überwachen und bei Bedarf automatisiert retrainieren.
Firmenseminar anfragen
Fragen Sie diesen Kurs für Ihr Team oder Unternehmen an. Wir prüfen passende Termine, Formate und individuelle Anforderungen und melden uns persönlich mit einem Vorschlag.
Termine & Buchung
Terminfilter
Verfügbare Termine
Kursdetails & Termine
Termine & Buchung
Terminfilter
Verfügbare Termine
Kursbewertungen
Wir sind persönlich für Sie da
Nicht jeder Kurs passt sofort auf Anhieb. Wir helfen Ihnen dabei, aus Themen, Formaten und Anforderungen die passende Lösung zu finden – persönlich, praxisnah und mit Blick auf Ihren tatsächlichen Bedarf.
Nicole Mühlbauer
Planen Sie einen Kurs oder Seminar und möchten sich vorab informieren?
Alison Kreis
Haben Sie bereits einen Kurs gebucht und noch Fragen zum Ablauf vor Ort oder Online?
Anouk Mendoza
Haben Sie Fragen zu einer Raumvermietung oder unseren Räumlichkeiten vor Ort?
Fragen & Antworten
Hier beantworten wir die häufigsten Fragen zu unseren Kursen, Abläufen und Formaten. Sollten Sie weitere Fragen haben, unterstützen wir Sie gerne persönlich.
MLOps – Skalier- und wartbare ML-Projekte im Überblick
Eine MLOps Schulung unterstützt Sie dabei, Machine-Learning-Modelle nicht nur zu entwickeln, sondern sie wartbar und automatisiert im Unternehmenskontext zu betreiben. Im Mittelpunkt stehen kontrollierbare ML-Prozesse, die von der Entwicklung bis zur Live-Anwendung nachvollziehbar bleiben.
Die Verbindung von Projektstruktur, Versionierung und MLflow schafft eine belastbare Grundlage für die Arbeit mit Daten, Code, Parametern und Modellen. Ergänzend zeigen wiederholbare Abläufe mit Skripten oder CI-Tools, wie sich der Trainingsprozess systematischer automatisieren lässt.
Für den produktiven Betrieb gehören auch Monitoring und Bereitstellung zusammen: Sie beobachten Modellqualität, erkennen Drifts und bereiten Retraining vor. Deployment-Varianten, ein Modell als API und die Zusammenarbeit mit DevOps-Teams ordnen diese Aufgaben in die praktische Umsetzung ein.
Rezensionen
Es gibt noch keine Rezensionen.