MLOps Engineering on AWS
Im Kurs MLOps Engineering on AWS verbinden Sie DevOps mit dem Erstellen, Trainieren und Bereitstellen von ML-Modellen. Sie betrachten Daten, Modelle und Code, automatisierte Prozesse sowie die Überwachung von Modellvorhersagen. Optional entwickeln Sie einen MLOps-Aktionsplan für Ihre Organisation.
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
Der Kurs „AWS - MLOps Engineering on AWS (MLOE)“ baut auf der in der Softwareentwicklung vorherrschenden DevOps-Praxis auf und erweitert diese um das Erstellen, Trainieren und Bereitstellen von Modellen für maschinelles Lernen (ML). Sie lernen die Bedeutung von Daten, Modellen und Code für erfolgreiche ML-Bereitstellungen kennen. Der Kurs demonstriert den Einsatz von Tools, Automatisierung, Prozessen und Teamwork, um Herausforderungen bei Übergaben zwischen Dateningenieurinnen und Dateningenieuren, Datenwissenschaftlerinnen und Datenwissenschaftlern, Softwareentwicklerinnen und Softwareentwicklern sowie dem Betrieb zu bewältigen. Zudem behandelt er Werkzeuge und Prozesse zur Überwachung und zum Ergreifen von Maßnahmen, wenn Modellvorhersagen in der Produktion von vereinbarten Leistungskennzahlen abweichen.
Optional erstellen Sie einen MLOps-Aktionsplan für Ihre Organisation. Dazu reflektieren Sie täglich Unterrichts- und Laborinhalte und tauschen sich mit Kolleginnen, Kollegen und Dozierenden aus.
Hinweis: Die Kurssprache ist Deutsch, die Unterlagen sind in englischer Sprache und teilweise digital verfügbar.
Seminarinhalte
Einführung in MLOps
- Operationen des maschinellen Lernens
- Ziele von MLOps
- Kommunikation
- Von DevOps zu MLOps
- ML-Arbeitsablauf
- Umfang
- MLOps-Sicht auf den ML-Workflow
- MLOps-Fälle
MLOps-Entwicklung
- Einführung in das Erstellen, Trainieren und Bewerten von Modellen für maschinelles Lernen
- MLOps-Sicherheit
- Automatisieren
- Apache Airflow
- Kubernetes-Integration für MLOps
- Amazon SageMaker für MLOps
- Bringen Sie Ihren eigenen Algorithmus in eine MLOps-Pipeline ein
- Amazon SageMaker
- Einführung in das Erstellen, Trainieren und Bewerten von Modellen für maschinelles Lernen
- Code und Bereitstellung Ihres ML-Modells mit AWS CodeBuild
- Das Arbeitsbuch zum MLOps-Aktionsplan
MLOps-Bereitstellung
- Einführung in die Bereitstellungsvorgänge
- Modell-Paketierung
- Inferenz
- Einsetzen des Modells in der Produktion
- SageMaker Produktionsvarianten
- Strategien für den Einsatz
- Einsatz an der Grenze
- Durchführen von A/B-Tests
- MLOps-Aktionsplan Arbeitsbuch
Modellüberwachung und Betrieb
- Fehlersuche in Ihrer Pipeline
- Die Bedeutung der Überwachung
- Überwachung durch Design
- Überwachen Sie Ihr ML-Modell
- Human-in-the-loop
- Amazon SageMaker Modell-Monitor
- Amazon SageMaker Pipelines, Model Monitor, Model Registry und Feature Store
- Lösen des Problems/der Probleme
- Das MLOps Action Plan Workbook
Nachbereitung
- Nachbearbeitung der MLOps-Aktionsplan-Arbeitsmappe
Zielgruppe
- DevOps Engineers
- ML Engineers
- Entwickler/Betriebe mit Verantwortung für die Operationalisierung von ML-Modellen
Voraussetzungen
Erforderlich:
- AWS Technical Essentials (AWSE)
- DevOps Engineering on AWS (AWSDEVOPS)
- Practical Data Science with Amazon SageMaker (PDSASM)
Zusätzlich empfohlen:
- The Elements of Data Science (digitaler Kurs) oder gleichwertige Erfahrung
- Machine Learning Terminology and Process (digitaler Kurs)
Lernziele
Sie lernen, MLOps-Praktiken auf Basis von DevOps für das Erstellen, Trainieren, Bewerten und Bereitstellen von ML-Modellen einzuordnen. Dabei betrachten Sie Daten, Modelle, Code, Automatisierung, Zusammenarbeit und Überwachung, um bei Abweichungen von vereinbarten Leistungskennzahlen geeignete Maßnahmen zu behandeln.
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 Engineering on AWS im Überblick
MLOps Engineering on AWS ordnet MLOps als Erweiterung etablierter DevOps-Praktiken ein. Sie betrachten, wie Daten, Modelle und Code bei der Entwicklung und beim Betrieb von ML-Modellen zusammenwirken und welche Bedeutung automatisierte Abläufe für erfolgreiche Bereitstellungen haben.
Im Mittelpunkt stehen MLOps-Pipelines vom Erstellen, Trainieren und Bewerten bis zur Bereitstellung von Modellen. Amazon SageMaker, AWS CodeBuild, Apache Airflow und die Kubernetes-Integration werden dabei als Themen im Kontext von Automatisierung, Modell-Paketierung, Inferenz und Produktionsbetrieb behandelt.
Für die Einordnung des Kurses sind Kenntnisse aus AWS Technical Essentials, DevOps Engineering on AWS und Practical Data Science with Amazon SageMaker erforderlich. Wenn Sie Ihr Wissen im Cloud-Umfeld weiter vertiefen möchten, bieten die Kurse zu Cloud eine passende fachliche Orientierung.
Rezensionen
Es gibt noch keine Rezensionen.