-
Dieser Kurs baut auf der in der Softwareentwicklung vorherrschenden DevOps-Praxis auf und erweitert sie, um Modelle für maschinelles Lernen (ML) zu erstellen, zu trainieren und bereitzustellen. Die Bedeutung von Daten, Modellen und Code für erfolgreiche ML-Bereitstellungen wird vermittelt. Im Kurs wird der Einsatz von Tools, Automatisierung, Prozessen und Teamwork demonstriert, um die Herausforderungen zu bewältigen, die mit Übergaben zwischen Dateningenieuren, Datenwissenschaftlern, Softwareentwicklern und dem Betrieb verbunden sind. Die Verwendung von Werkzeugen und Prozessen zur Überwachung und Ergreifung von Maßnahmen wird diskutiert, wenn die Modellvorhersage in der Produktion von vereinbarten Leistungskennzahlen abweicht.
Der Dozent ermutigt die Teilnehmer dieses Kurses, einen MLOps-Aktionsplan für ihre Organisation durch tägliche Reflexion der Unterrichts- und Laborinhalte sowie durch Gespräche mit Kollegen und Dozenten zu erstellen.
-
Kursinhalt
-
- Module 0: Welcome
- Module 1: Introduction to MLOps
- Module 2: MLOps Development
- Module 3: MLOps Deployment
- Module 4: Model Monitoring and Operations
- Module 5: Wrap-up
Auf die Labs haben Sie nach dem Kurs noch weitere 14 Tage Zugriff. So können Sie Übungen wiederholen oder individuell vertiefen.
Die englischsprachigen Original-Unterlagen von Amazon Web Services erhalten Sie als E-Book.
-
Zielgruppe
-
- DevOps Engineers
- ML Engineers
- Entwickler/Betriebe mit Verantwortung für die Operationalisierung von ML-Modellen
-
Voraussetzungen
-
Erforderlich:
AWS Technical Essentials
DevOps Engineering on AWS
Practical Data Science with Amazon SageMaker
Zusätzlich Empfohlen:
The Elements of Data Science (digitaler Kurs) oder gleichwertige Erfahrung
Machine Learning Terminology and Process (digitaler Kurs)
| Module 0: Welcome |
| Course introduction |
| Module 1: Introduction to MLOps |
| Machine learning operations |
| Goals of MLOps |
| Communication |
| From DevOps to MLOps |
| ML workflow |
| Scope |
| MLOps view of ML workflow |
| MLOps cases |
| Module 2: MLOps Development |
| Intro to build, train, and evaluate machine learning models |
| MLOps security |
| Automating |
| Apache Airflow |
| Kubernetes integration for MLOps |
| Amazon SageMaker for MLOps |
| Lab: Bring your own algorithm to an MLOps pipeline |
| Demonstration: Amazon SageMaker |
| Intro to build, train, and evaluate machine learning models |
| Lab: Code and serve your ML model with AWS CodeBuild |
| Activity: MLOps Action Plan Workbook |
| Module 3: MLOps Deployment |
| Introduction to deployment operations |
| Model packaging |
| Inference |
| Lab: Deploy your model to production |
| SageMaker production variants |
| Deployment strategies |
| Deploying to the edge |
| Lab: Conduct A/B testing |
| Activity: MLOps Action Plan Workbook |
| Module 4: Model Monitoring and Operations |
| Lab: Troubleshoot your pipeline |
| The importance of monitoring |
| Monitoring by design |
| Lab: Monitor your ML model |
| Human-in-the-loop |
| Amazon SageMaker Model Monitor |
| Demonstration: Amazon SageMaker Pipelines, Model Monitor, model registry, and Feature Store |
| Solving the Problem(s) |
| Activity: MLOps Action Plan Workbook |
| Module 5: Wrap-up |
| Course review |
| Activity: MLOps Action Plan Workbook |
| Wrap-up |
-
Classroom Training
- Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!
-
Hybrid Training
- Hybrid Training bedeutet, dass zusätzliche Online-Teilnehmer an einem Präsenzkurs teilnehmen können. Die Dynamik eines realen Kurses bleibt erhalten, wovon besonders auch die Online-Teilnehmer profitieren. Als Online-Teilnehmer eines Hybrid-Kurses nutzen Sie eine Collaboration-Plattform wie WebEx Training Center oder Saba Meeting. Dazu wird nur ein PC mit Browser und Internet-Anschluss benötigt, ein Headset und idealerweise eine Webcam. Im Kursraum setzen wir speziell entwickelte und angepasste hochwertige Audio- und Videotechnik ein. Sie sorgt dafür, dass die Kommunikation zwischen allen Beteiligten angenehm und störungsfrei funktioniert.
-
Online Training
- Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.
-
Inhouse-Schulung
-
Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
Inhouse-Schulung jetzt anfragen >>>
Die gesamte Beschreibung dieses Kurses mit Terminen und Preisen zum Download als PDF.-
Dieser Kurs baut auf der in der Softwareentwicklung vorherrschenden DevOps-Praxis auf und erweitert sie, um Modelle für maschinelles Lernen (ML) zu erstellen, zu trainieren und bereitzustellen. Die Bedeutung von Daten, Modellen und Code für erfolgreiche ML-Bereitstellungen wird vermittelt. Im Kurs wird der Einsatz von Tools, Automatisierung, Prozessen und Teamwork demonstriert, um die Herausforderungen zu bewältigen, die mit Übergaben zwischen Dateningenieuren, Datenwissenschaftlern, Softwareentwicklern und dem Betrieb verbunden sind. Die Verwendung von Werkzeugen und Prozessen zur Überwachung und Ergreifung von Maßnahmen wird diskutiert, wenn die Modellvorhersage in der Produktion von vereinbarten Leistungskennzahlen abweicht.
Der Dozent ermutigt die Teilnehmer dieses Kurses, einen MLOps-Aktionsplan für ihre Organisation durch tägliche Reflexion der Unterrichts- und Laborinhalte sowie durch Gespräche mit Kollegen und Dozenten zu erstellen.
-
Kursinhalt
-
- Module 0: Welcome
- Module 1: Introduction to MLOps
- Module 2: MLOps Development
- Module 3: MLOps Deployment
- Module 4: Model Monitoring and Operations
- Module 5: Wrap-up
Auf die Labs haben Sie nach dem Kurs noch weitere 14 Tage Zugriff. So können Sie Übungen wiederholen oder individuell vertiefen.
Die englischsprachigen Original-Unterlagen von Amazon Web Services erhalten Sie als E-Book.
-
Zielgruppe
-
- DevOps Engineers
- ML Engineers
- Entwickler/Betriebe mit Verantwortung für die Operationalisierung von ML-Modellen
-
Voraussetzungen
-
Erforderlich:
AWS Technical Essentials
DevOps Engineering on AWS
Practical Data Science with Amazon SageMaker
Zusätzlich Empfohlen:
The Elements of Data Science (digitaler Kurs) oder gleichwertige Erfahrung
Machine Learning Terminology and Process (digitaler Kurs)
| Module 0: Welcome |
| Course introduction |
| Module 1: Introduction to MLOps |
| Machine learning operations |
| Goals of MLOps |
| Communication |
| From DevOps to MLOps |
| ML workflow |
| Scope |
| MLOps view of ML workflow |
| MLOps cases |
| Module 2: MLOps Development |
| Intro to build, train, and evaluate machine learning models |
| MLOps security |
| Automating |
| Apache Airflow |
| Kubernetes integration for MLOps |
| Amazon SageMaker for MLOps |
| Lab: Bring your own algorithm to an MLOps pipeline |
| Demonstration: Amazon SageMaker |
| Intro to build, train, and evaluate machine learning models |
| Lab: Code and serve your ML model with AWS CodeBuild |
| Activity: MLOps Action Plan Workbook |
| Module 3: MLOps Deployment |
| Introduction to deployment operations |
| Model packaging |
| Inference |
| Lab: Deploy your model to production |
| SageMaker production variants |
| Deployment strategies |
| Deploying to the edge |
| Lab: Conduct A/B testing |
| Activity: MLOps Action Plan Workbook |
| Module 4: Model Monitoring and Operations |
| Lab: Troubleshoot your pipeline |
| The importance of monitoring |
| Monitoring by design |
| Lab: Monitor your ML model |
| Human-in-the-loop |
| Amazon SageMaker Model Monitor |
| Demonstration: Amazon SageMaker Pipelines, Model Monitor, model registry, and Feature Store |
| Solving the Problem(s) |
| Activity: MLOps Action Plan Workbook |
| Module 5: Wrap-up |
| Course review |
| Activity: MLOps Action Plan Workbook |
| Wrap-up |
-
Classroom Training
- Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!
-
Hybrid Training
- Hybrid Training bedeutet, dass zusätzliche Online-Teilnehmer an einem Präsenzkurs teilnehmen können. Die Dynamik eines realen Kurses bleibt erhalten, wovon besonders auch die Online-Teilnehmer profitieren. Als Online-Teilnehmer eines Hybrid-Kurses nutzen Sie eine Collaboration-Plattform wie WebEx Training Center oder Saba Meeting. Dazu wird nur ein PC mit Browser und Internet-Anschluss benötigt, ein Headset und idealerweise eine Webcam. Im Kursraum setzen wir speziell entwickelte und angepasste hochwertige Audio- und Videotechnik ein. Sie sorgt dafür, dass die Kommunikation zwischen allen Beteiligten angenehm und störungsfrei funktioniert.
-
Online Training
- Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.
-
Inhouse-Schulung
-
Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
Inhouse-Schulung jetzt anfragen >>>
Die gesamte Beschreibung dieses Kurses mit Terminen und Preisen zum Download als PDF.
Hybrid Training (Classroom + Online kombiniert)