MLOps für Anwender:innen Kurse

MLOps für Anwender:innen

Ein fortgeschrittener, praxisnaher Kurs für Teams mit fundierter DevOps-, ML- und Data-Science-Erfahrung. Teilnehmende schärfen Ziele, Methoden und Werkzeuge moderner MLOps, gestalten einen durchgängigen Lifecycle und übertragen Best Practices auf ihre Umgebung.

Was werden Sie lernen?

Sie verknüpfen Geschäftsziele mit einem MLOps-Betriebsmodell, standardisieren den Lebenszyklus von Daten bis Deployment und richten Versionierung, Automatisierung und Monitoring so ein, dass Modelle in Produktion zuverlässig bleiben. Sie bewerten Referenzarchitekturen und leiten umsetzbare nächste Schritte ab.

Nach diesem Training können Sie sicher:

Ziele, Nutzen und typische Herausforderungen von MLOps erläutern
Konzepte, Methoden und Tools passend zu Ihrem Stack auswählen
Einen End-to-End-Lifecycle über Daten, Training, Packaging, Deployment und Monitoring betreiben
Best Practices mit Model Registry, CI oder CD, Feature Management und Observability anwenden

Anforderungen:

Solide DevOps-Praxis sowie Erfahrung in ML oder Data Science
Vertrautheit mit Containern, Git und einer CI-Plattform
Zugriff auf einen nicht sensiblen Beispiel-Service oder eine Pipeline ist hilfreich

Kursübersicht*:

*Wir wissen, dass jedes Team seine eigenen Bedürfnisse und Anforderungen hat. Deshalb können wir den Schulungsplan je nach Bedarf anpassen.

Modul 1: Einführung in MLOps Ziele, Nutzen und Herausforderungen

Abgrenzung zu klassischem DevOps und warum MLOps jetzt
Erfolgskriterien über Accuracy, Latenz, Kosten und Risiko
Häufige Pain Points Data Drift, Brüche an Team-Übergaben, fragile Notebooks
Rollen und Verantwortlichkeiten zwischen Data, Model, Platform und Product

Modul 2: Konzepte, Methoden und Werkzeuge

Reproduzierbarkeit und Lineage Datensätze, Code, Parameter, Umgebungen
Versionierung und Registries Daten, Modelle, Artefakte
CI oder CD für ML Tests, Gates und Promotionsrichtlinien
Tool-Landschaft Feature Stores, Experiment Tracking, Orchestrierung, Serving

Modul 3: Blueprint des MLOps-Lebenszyklus

Von Problemframing bis Deployment und Feedback
Data Contracts, Validierung und Schema-Evolution
Trainingspipeline Konfiguration als Code, Abhängigkeitstrennung
Packaging und Serving Batch, Echtzeit und Streaming

Modul 4: Reliability, Security und Governance by Design

Observability für ML-Systeme Telemetrie für Daten, Modelle, Infrastruktur
Model Risk Management Freigaben, Audits, Rollback-Pläne
Sicherheit und Datenschutz Secrets, PII-Schutz, Isolation
Kostensteuerung Right-Sizing, Autoscaling, Workload-Platzierung

Modul 5: Produktions-Deployments

Online Inference Canary, Blue-Green, Shadow Traffic
Batch- und Streaming-Inference Scheduler, Backfills, Latenz-Budget
Multi-Model-Routing, A oder B-Tests, Champion oder Challenger
Edge- und Hybrid-Überlegungen

Modul 6: Monitoring, Drift und Incident Response

Data- und Concept-Drift, Qualitätschecks und Performance-Regressionen
Feedback-Schleifen Labels, verzögerte Ground Truth, Human-in-the-Loop
Runbooks und Playbooks für Störungen und Degradationen
Lernen nach Incidents und kontinuierliche Verbesserung

Modul 7: Feature- und Experiment-Management

Feature Stores Online-Offline-Parität und Freshness-SLAs
Konsistenz zwischen Trainings- und Serving-Features, Embedding-Wiederverwendung
Experiment Tracking Metriken, Artefakte, Vergleich in der Breite
Promotionskriterien vom Experiment in die Produktion

Modul 8: Best-Practice-Beispiele und Operating Model

Referenzarchitekturen in unterschiedlichen Stacks bewerten
Build vs. Buy und Integrationspunkte im Ökosystem
Team-Workflows Templates, Checklisten, Governance-Touchpoints
Roadmap von einem Pilot zu mehreren Teams

Praxisnahes Lernen mit erfahrenen Dozenten bei Ihnen vor Ort für Organisationen.

Ebene:

Advanced

Dauer:

Tage (Stunden:

)

Auf Ihre Bedürfnisse zugeschnittenes Training

Umfassende praktische Erfahrung in einem speziellen Umfeld

*Der Preis kann je nach Teilnehmerzahl, Änderung des Ablaufs, Standort usw. variieren.

Zum Angebot

Erlernen Sie neue Fähigkeiten unter Anleitung erfahrener Lehrer von überall.

Ebene:

Advanced

Dauer:

Tage (Stunden:

)

Auf Ihre Bedürfnisse zugeschnittenes Training

Reduzierte Schulungskosten

*Der Preis kann je nach Teilnehmerzahl, Änderung des Ablaufs, Standort usw. variieren.

Zum Angebot

You can participate in a Public Course with people from other organisations.

/per trainee

Thanks for the numbers, they could be going to your emails. But they're going to mine... Thanks ;D

Oops! Something went wrong while submitting the form.

Level:

Advanced

Duration:

Hours (days:

)

Fits ideally for individuals and small groups

Networking opportunities with fellow participants.

*Price can range depending on number of participants, change of outline, location etc.

Get Quote

MLOps für Anwender:innen

Was werden Sie lernen?

Anforderungen:

Kursübersicht*:

Modul 1: Einführung in MLOps Ziele, Nutzen und Herausforderungen

Modul 2: Konzepte, Methoden und Werkzeuge

Modul 3: Blueprint des MLOps-Lebenszyklus

Modul 4: Reliability, Security und Governance by Design

Modul 5: Produktions-Deployments

Modul 6: Monitoring, Drift und Incident Response

Modul 7: Feature- und Experiment-Management

Modul 8: Best-Practice-Beispiele und Operating Model

Get Quote for:

MLOps für Anwender:innen

Kontaktaufnahme starten!