MLOps - Skalier- und wartbare ML-Projekte

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:
Dieses Seminar ist ein Angebot der PC-COLLEGE - Gruppe.
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

Erfahrung mit Python und ML-Workflows. Grundkenntnisse im Umgang mit ML-Frameworks (z. B. Scikit-Learn, TensorFlow oder PyTorch) und gängige DevOps-Tools (Git, Bash) sind hilfreich.

Nach dem Kurs können Sie ML-Modelle in automatisierte Workflows integrieren, dokumentieren, überwachen und bei Bedarf automatisiert retrainieren.

Im Preis enthalten sind PC-COLLEGE - Zertifikat, Pausenverpflegung, Getränke und Kursmaterial.

PC-COLLEGE-Schulungshaus

Weiterführende Informationen auf der Seite des Anbieters