MLOps – Skalier- und wartbare ML-Projekte
Die MLOps Schulung zeigt Ihnen, wie Sie Machine-Learning-Modelle versionieren, automatisieren und im Unternehmenskontext kontrollierbar betreiben. Sie arbeiten mit MLflow und DVC, richten CI/CD-Pipelines ein und entwickeln Monitoring-Strategien für Performance, Stabilität und reproduzierbare Prozesse.
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, zum Beispiel Scikit-Learn, TensorFlow oder PyTorch, sowie mit gängigen DevOps-Tools wie Git und Bash sind hilfreich.
Lernziele
Sie lernen, ML-Modelle in automatisierte Workflows zu integrieren, zu dokumentieren, zu überwachen und bei Bedarf automatisiert zu 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
Die MLOps Schulung ordnet die Entwicklung und den Betrieb von Machine-Learning-Modellen als zusammenhängenden Prozess ein. Sie lernen, Modelle wartbar, automatisiert und kontrollierbar zu betreiben sowie Versionierung, CI/CD-Pipelines und Monitoring-Strategien miteinander zu verbinden.
Im Mittelpunkt steht die Nachvollziehbarkeit von ML-Prozessen: Daten, Code, Parameter und Modelle werden strukturiert organisiert. Mit MLflow lassen sich Experimente dokumentieren, Ergebnisse vergleichen und Modelle registrieren; DVC unterstützt reproduzierbare und kontrollierbare Abläufe im Unternehmenskontext.
Für die praktische Einordnung verbindet der Kurs Trainingsautomatisierung, Qualitätsbeobachtung und das Erkennen von Drifts mit der Vorbereitung eines Retrainings. Auch Deployment-Varianten, ein Modell als API und die Zusammenarbeit mit DevOps-Teams zeigen, wie MLOps-Themen in Kurse zu KI-AI eingebettet sind.
Rezensionen
Es gibt noch keine Rezensionen.