Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
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