Durchführungsgarantie
Jede Schulung findet statt: maximale Planungssicherheit für Ihr Team.
3 Tage | Nächster Termin am 14. - 16.01.2026 & 12 weitere | Bundesweit oder Live-Online
5.0 / 17 Bewertungen | 57 zufriedene Teilnehmende
-
In dieser Schulung lernen Sie, wie sich erprobte DevOps-Prinzipien auf den Lebenszyklus von Machine-Learning-Modellen übertragen lassen. Der Kurs zeigt, wie Sie mit den passenden Tools, Prozessen und Automatisierungstechniken robuste MLOps-Pipelines entwickeln und betreiben. Dabei steht die praxisorientierte Umsetzung im Vordergrund: Von der Modellentwicklung über die kontinuierliche Bereitstellung bis hin zur Überwachung und Optimierung im Produktivbetrieb. Ein weiterer Schwerpunkt ist das Monitoring von Modellen, um frühzeitig reagieren zu können, wenn Prognosen von den definierten Zielwerten abweichen.
Lernmethodik
- Kombination aus Theorie, Diskussionen und praktischen Übungen
- Interaktiver Austausch mit erfahrenen Trainer:innen
- Arbeiten mit offiziellen AWS-Umgebungen und Schulungsunterlagen
Zielgruppe
- DevOps-Engineers, die ML-Modelle operationalisieren möchten
- ML-Engineers, die ihre Lösungen produktionsreif machen wollen
-
Kursinhalte
- Grundlagen von MLOps
- Einführung in Machine Learning Operations
- Ziele und Mehrwert von MLOps
- Unterschiede und Gemeinsamkeiten von DevOps und MLOps
- Überblick über typische ML-Workflows und deren Automatisierung
- Praxisbeispiele erfolgreicher MLOps-Implementierungen
- Entwicklung und Automatisierung
- Erstellung, Training und Evaluierung von ML-Modellen
- Sicherheitsaspekte im MLOps-Lebenszyklus
- Automatisierung mit Apache Airflow und Kubernetes
- Einsatz von Amazon SageMaker für MLOps-Pipelines
- Integration individueller Algorithmen
- Demo: Modellcode erstellen und mit AWS CodeBuild bereitstellen
- Bereitstellung und Monitoring
- Modellpaketierung und Inferenzstrategien
- Produktionsvarianten, A/B-Tests und Edge-Deployments
- Monitoring von ML-Modellen by design
- Nutzung von SageMaker Model Monitor, Pipelines, Model Registry und Feature Store
- Umgang mit Abweichungen von KPIs
- Troubleshooting und kontinuierliche Optimierung von MLOps-Workflows
Tipp: Empfohlene Trainingsdauer für alle Kursinhalte:1 - 2 Personen: 2 Tage - 3 Tage3 - 8 Personen: 3 Tage - Grundlagen von MLOps
MLOps Engineering on AWS
Präsenz- & LIVE-Online
Wählen Sie Ihre Schulungsform:
Individuelles Training in den modernen medienreich-Schulungsräumen.
Buchen ohne Risiko:
- Teamvorteil: -25 % ab 3 Personen
- Garantierte Durchführung
- Zufriedenheitsgarantie
- Keine Vorkasse - Rechnung erst nach erfolgreicher Durchführung des Seminars.
