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 gängige DevOps-Tools (Git, Bash) sind hilfreich.
Lernziele
Anfrage zum Firmenseminar
Termine & Buchung
Terminfilter
Ihre Auswahl
Verfügbare Termine
Kursdetails & Termine
Termine & Buchung
Terminfilter
Ihre Auswahl
Verfügbare Termine
Kursbewertungen
Fragen & Antworten
Hier beantworten wir die häufigsten Fragen zu unseren Kursen, Abläufen und Formaten. Sollten Sie weitere Fragen haben, unterstützen wir Sie gerne persönlich.



Rezensionen
Es gibt noch keine Rezensionen.