Kontakt aufnehmen
 Dauer 14 Stunden

Schulungsübersicht

Einführung in Devstral- und Mistral-Modelle

  • Überblick über die Open-Source-Modelle von Mistral
  • Apache-2.0-Lizenzierung und Enterprise-Einführung
  • Die Rolle von Devstral in Coding- und Agenten-Workflows

Self-Hosting von Mistral- und Devstral-Modellen

  • Vorbereitung der Umgebung und Infrastrukturwahl
  • Containerisierung und Bereitstellung mit Docker/Kubernetes
  • Skalierungsoptionen für den Produktiveinsatz

Fine-Tuning-Techniken

  • Überwachtes Fine-Tuning im Vergleich zu parameter-effizientem Tuning
  • Datensatzvorbereitung und -bereinigung
  • Beispiele für domänenspezifische Anpassungen

Model Ops und Versionierung

  • Best Practices für die Modelllebenszyklusverwaltung
  • Modellversionierung und Rollback-Strategien
  • CI/CD-Pipelines für ML-Modelle

Governance und Compliance

  • Sicherheitsaspekte bei der Open-Source-Bereitstellung
  • Überwachung und Nachvollziehbarkeit im Unternehmenskontext
  • Compliance-Rahmenvorgaben und verantwortungsvolle KI-Praktiken

Monitoring und Observability

  • Erfassung von Modell-Drift und Genauigkeitsverlust
  • Instrumentierung für Inferenzleistung
  • Alarmierung und Reaktionsworkflows

Case Studies und Best Practices

  • Brancheinschlägige Use Cases zur Einführung von Mistral und Devstral
  • Ausgewogenheit zwischen Kosten, Leistung und Kontrolle
  • Lektionen aus der Open-Source-Model Ops

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundlegendes Verständnis von Machine-Learning-Workflows
  • Erfahrung mit Python-basierten ML-Frameworks
  • Vertrautheit mit Containerisierung und Bereitstellungs­umgebungen

Zielgruppe

  • ML-Engineers
  • Teams für Datenplattformen
  • Forschungsingenieure

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien