Steige ein in die spannende Welt von MLOps. Erlerne, wie Machine Learning-Projekte von der Konzeption bis zur Produktionsreife effizient umgesetzt werden können.
Entdecke innovative Tools und Methoden, um deine ML-Projekte zu optimieren. Dieses Lab ist ideal für alle, die sich einen Einblick in das Thema MLOps verschaffen oder ihr Wissen im Bereich Machine Learning ausbauen möchten.
Inhalt
- Vermittlung von Wissen zur Unterstützung bei der Transition von DevOps zu MLOps oder beim Aufbau eines neuen MLOps Prozesses.
- Klärung der Phasen und Tätigkeiten im MLOps-Prozess unter Einbindung des technologischen Ecosystems.
- Die Basis von DevOps-Erfahrung und Expertise in CI/CD, Monitoring, Container-Engineering und automatisierter Infrastrukturprovisionierung wird mit dem Wissen um die Versionierung von Daten und Modellen erweitert.
- Experimentieren und Vergleichen von Modellvarianten mit reproduzierbaren Parametern. Die Nachvollziehbarkeit wird durch automatisierte ML-Pipelines gewährleistet.
- Erkennen, wie durch Monitoring von Metriken Abweichungen in der Vorhersagequalität festgestellt werden können.
Lernziele
-
Du verstehst den MLOps Prozess und kennst die Unterschiede zu DevOps
-
Anhand eines Beispiels erstellst du eine ML-Pipeline
-
Dabei lernst du die Open Source Tools CML und DVC kennen und nutzt GitHub Actions
-
Du kennst die Anwendungsschwerpunkte von MLFlow und Kubeflow
Zielpublikum
Das Angebot richtet sich an alle, welche einen MLOps Prozess aufbauen oder ihren DevOps Prozess Richtung MLOps erweitern möchten. Zudem profitieren auch Teilnehmende mit Erfahrung in MLOps von neuen Kenntnissen.
Voraussetzungen
- Notebook
- GitHub Account
- Genügend offene GitHub-Codespace Stunden für das Lab von 4h (in einem GitHub Account sind 120h / Monat / CPU Core kostenlos)
- Da wir GitHub Actions verwenden, solltest dunoch etwa 30min GitHub Action Zeit freihaben (2000min / Monat sind kostenlos)
- git Kenntnisse (von Vorteil)
Kursleiter
- Software Engineer & Naturwissenschaftlerin mit mehrjähriger Erfahrung in Datenauswertungen und Machine Learning
-
- Software Engineer mit mehrjähriger Erfahrung & ML Enthusiast, DAS in Data Science & MAS in Information Technology.
Durchführung
Auf Anfrage
Melde dich gerne via Kontaktformular mit deinem Wunschmonat und wir finden gemeinsam eine Lösung.
Kosten & Dauer
Die Kosten für das Lab betragen 450 Franken (inklusive Verpflegung und Unterlagen). Die Dauer beträgt vier Stunden.