MLOps - Skalier- und wartbare ML-Projekte

Inhalt

In diesem Seminar erfahren Sie, wie Sie Machine-Learning-Modelle wartbar und automatisiert betreiben. Sie versionieren Modelle, setzen CI/CD-Pipelines auf und etablieren Monitoring-Strategien für Performance und Stabilität.

Sie lernen Tools wie MLflow und DVC kennen und setzen damit reproduzierbare und kontrollierbare ML-Prozesse im Unternehmenskontext um - von der Entwicklung bis zur Live-Anwendung.

Hinweis:

Inhalte

• Was ist MLOps - und warum ist es notwendig?

• Herausforderungen im produktiven ML-Betrieb

• Typische Fehlerquellen und Lösungen

• Projektstruktur und Versionierung

• Daten, Code, Parameter und Modelle nachvollziehbar organisieren

• Modell-Tracking mit MLflow

• Experimente dokumentieren

• Ergebnisse vergleichen

• Modelle registrieren

• Automatisierung im Trainingsprozess

• Wiederholbare Abläufe mit einfachen Skripten oder CI-Tools

• Monitoring und Nachvollziehbarkeit

• Modellqualität beobachten

• Drifts erkennen

• Retraining vorbereiten

• Modellbereitstellung im Unternehmenskontext

• Deployment-Varianten

• Modell als API

• Zusammenarbeit mit DevOps-Teams

Abschluss

PC-COLLEGE Zertifikat

Weitere Infos beim Anbieter

UnterrichtsartOnline-Seminar i

Präsenzunterricht i