Kontakt aufnehmen

Schulungsübersicht

Einführung in das KI-Deployment

  • Überblick über den Lebenszyklus des KI-Deployments
  • Herausforderungen bei der Einführung von KI-Agenten in die Produktion
  • Wichtige Aspekte: Skalierbarkeit, Zuverlässigkeit und Wartbarkeit

Containerisierung und Orchestrierung

  • Einführung in Docker und Grundlagen der Containerisierung
  • Einsatz von Kubernetes zur Orchestrierung von KI-Agenten
  • Best Practices für das Management von containerisierten KI-Anwendungen

Serving von KI-Modellen

  • Überblick über Frameworks für Model Serving (z. B. TensorFlow Serving, TorchServe)
  • Aufbau von REST-APIs für die Inferenz von KI-Agenten
  • Verarbeitung von Batch- und Echtzeit-Vorhersagen

CI/CD für KI-Agenten

  • Einrichtung von CI/CD-Pipelines für KI-Deployments
  • Automatisierung von Tests und Validierungen von KI-Modellen
  • Rolling Updates und Versionierung

Überwachung und Optimierung

  • Implementierung von Überwachungstools für die Leistung von KI-Agenten
  • Analysierung von Model Drift und Bedarf an Nachschulungen
  • Optimierung der Ressourcennutzung und Skalierbarkeit

Sicherheit und Governance

  • Sicherstellung der Einhaltung von Datenschutzbestimmungen
  • Schutz von KI-Deployment-Pipelines und APIs
  • Auditing und Logging für KI-Anwendungen

Praktische Übungen

  • Containerisierung eines KI-Agenten mit Docker
  • Deployment eines KI-Agenten mit Kubernetes
  • Einrichtung der Überwachung der KI-Leistung und der Ressourcennutzung

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Fortgeschrittene Kenntnisse in Python-Programmierung
  • Verständnis von Machine-Learning-Workflows
  • Vertrautheit mit Containerisierungstools wie Docker
  • Erfahrung mit DevOps-Praktiken (empfohlen)

Zielgruppe

  • MLOps-Ingenieure
  • DevOps-Professionals
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien