Kontakt aufnehmen

Schulungsübersicht

Einführung

  • Machine-Learning-Modelle im Vergleich zu traditioneller Software

Überblick über den DevOps-Arbeitsablauf

Überblick über den Machine-Learning-Arbeitsablauf

ML as Code Plus Data

Komponenten eines ML-Systems

Fallstudie: Eine Anwendungssoftware zur Absatzprognose

Datenzugriff

Datenvalidierung

Datentransformation

Vom Data-Pipeline zum ML-Pipeline

Aufbau des Data-Modells

Schulung des Modells

Modellvalidierung

Reproduktion der Modellschulung

Bereitstellung eines Modells

Bereitstellung eines trainierten Modells in der Produktion

Testen eines ML-Systems

Orchestrierung des Continuous Delivery

Modellüberwachung

Datenversionierung

Anpassung, Skalierung und Wartung einer MLOps-Plattform

Fehlerbehebung

Zusammenfassung und Abschluss

Voraussetzungen

  • Kenntnisse über den Softwareentwicklungslebenszyklus
  • Erfahrung im Aufbau oder in der Arbeit mit Machine-Learning-Modellen
  • Vertrautheit mit der Python-Programmierung

Zielgruppe

  • ML-Ingenieure
  • DevOps-Ingenieure
  • Data Engineers
  • Infrastruktur-Ingenieure
  • Softwareentwickler
 35 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien