Kontakt aufnehmen

Schulungsübersicht

Einführung in die KI-Bereitstellung

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

Containerisierung und Orchestrierung

  • Einführung in Docker und die Grundlagen der Containerisierung
  • Einsatz von Kubernetes für die Orchestrierung von KI-Agenten
  • Best Practices für die Verwaltung containerisierter KI-Anwendungen

Bereitstellen von KI-Modellen (Model Serving)

  • Überblick über Model-Serving-Frameworks (z. B. TensorFlow Serving, TorchServe)
  • Erstellung von REST-APIs für die KI-Agent-Inferenz
  • Umgang mit Batch- vs. Echtzeitvorhersagen

CI/CD für KI-Agenten

  • Einrichtung von CI/CD-Pipelines für KI-Bereitstellungen
  • Automatisierung des Tests und der Validierung von KI-Modellen
  • Rolling Updates und Verwaltung der Versionskontrolle

Überwachung und Optimierung

  • Implementierung von Überwachungstools für die KI-Agent-Performance
  • Analyse des Model Drift und Bedarf an Neuschulungen
  • Optimierung der Ressourcennutzung und Skalierbarkeit

Sicherheit und Governance

  • Gewährleistung der Einhaltung von Datenschutzbestimmungen
  • Sicherung von KI-Bereitstellungspipelines und APIs
  • Auditing und Protokollierung für KI-Anwendungen

Praktische Aktivitäten

  • Containerisierung eines KI-Agenten mit Docker
  • Bereitstellung eines KI-Agenten mit Kubernetes
  • Einrichtung der Überwachung der KI-Performance und Ressourcennutzung

Zusammenfassung und nächste Schritte

Voraussetzungen

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

Zielgruppe

  • MLOps-Ingenieure
  • DevOps-Fachkräfte
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien