exkl. MwSt.
2 Tage
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:
Was ist MLOps - und warum ist es notwendig?
Projektstruktur und Versionierung
Modell-Tracking mit MLflow
Automatisierung im Trainingsprozess
Monitoring und Nachvollziehbarkeit
Modellbereitstellung im Unternehmenskontext
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.
Nach dem Kurs können Sie ML-Modelle in automatisierte Workflows integrieren, dokumentieren, überwachen und bei Bedarf automatisiert retrainieren.
Dieses Thema bieten wir auch individualisiert für Sie oder Ihr Unternehmen an – ob als Inhouse Schulung bei Ihnen vor Ort, online oder in unseren bundesweiten Schulungsräumen.
In einem Vorab-Gespräch mit unseren Trainern gehen wir auf Ihre Wünsche ein und besprechen Ziele, Inhalte und Dauer der Schulung.
Jetzt kostenlos und unverbindlich anfragen:
(*Pflichtfelder)
Keine Rezensionen vorhanden
exkl. MwSt.
exkl. MwSt.
exkl. MwSt.
exkl. MwSt.
exkl. MwSt.
exkl. MwSt.
exkl. MwSt.
exkl. MwSt.
