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.
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