Cloud-native KI auf AWS und Azure: Ready für Production

Seminar - PROKODA GmbH

Termin	Ort	Preis^*
07.09.2026- 08.09.2026	online	1.725,50 €	jetzt buchen
07.09.2026- 08.09.2026	München	1.725,50 €	jetzt buchen
07.12.2026- 08.12.2026	München	1.725,50 €	jetzt buchen
07.12.2026- 08.12.2026	online	1.725,50 €	jetzt buchen

Alle Termine anzeigen

^*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:

Cloud-native KI-Architekturen verstehen
- Unterschied: Notebook-Prototyp vs. produktiver Service
- Compute-Optionen: CPU, GPU, Managed Services
- Referenzarchitekturen für Inferenz und Training
- Datenflüsse, Latenz und Skalierung
AWS- und Azure-Bausteine für ML richtig zuordnen
- Training und Hosting: SageMaker vs. Azure Machine Learning
- Container: ECR/ECS/EKS vs. ACR/AKS
- Storage und Data Lake: S3 vs. ADLS
- Messaging und Events: SQS/SNS vs. Service Bus/Event Grid
Von Code zu Deployment: Container, APIs, Endpoints
- Inference-API als REST-Service (FastAPI/Flask Prinzip)
- Docker-Images bauen, versionieren, ausrollen
- Autoscaling, Rolling Updates, Blue-Green Prinzip
- Batch Inference vs. Real-time Inference
MLOps-Grundlagen: Reproduzierbarkeit und Governance
- Experiment-Tracking, Model Registry, Artefakte
- CI/CD für ML: Pipeline-Schritte und Gates
- Feature Store und Datenversionierung (Prinzipien)
- Freigaben, Reviews, Audit-Trails
Security, Compliance und Responsible AI
- IAM/RBAC, Least Privilege, Secrets Handling
- Netzwerk: Private Endpoints, VPC/VNet Muster
- Verschlüsselung, Schlüsselmanagement, Datenzugriff
- Risiken: Prompt Injection, Data Leakage, Model Abuse
Monitoring, Kosten und Betrieb
- Observability: Logs, Metrics, Traces, Alerts
- Model Monitoring: Drift, Datenqualität, Performance
- Kostenhebel: Spot/Reserved, Right-Sizing, Skalierung
- SLOs, Incident-Playbooks, Runbooks

Teilnahmevoraussetzungen:

Grundverständnis von Cloud-Konzepten (z.B. IAM/Rollen, Storage, Netzwerk) und Container-Grundlagen.
Erste Berührung mit Machine Learning (Begriffe wie Training, Inferenz, Modell) ist hilfreich.

Zielgruppe:

Softwareentwicklerinnen und Softwareentwickler, die ML-Modelle als APIs bereitstellen
Data Scientists, die ihre Modelle in AWS oder Azure produktiv bringen wollen
ML Engineers und DevOps Engineers mit Verantwortung für Deployment und Betrieb
IT-Architektinnen und IT-Architekten, die Cloud-native KI-Architekturen bewerten
Alle, die KI-Workloads auf AWS/Azure planen, deployen und betreiben wollen

Nach unten

Nach oben

Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern. Diese Cookies werden nicht automatisiert gesetzt. Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren. Weitere Informationen finden Sie hier.

Akzeptieren Nicht akzeptieren

Ihr Name:

Firma (optional):

Ihre E-Mail-Adresse:

Telefonnummer (optional):

Ihre Nachricht:

Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

Bei der Verarbeitung Ihrer personenbezogenen Daten im Zusammenhang mit der Kontaktfunktion beachten wir die gesetzlichen Bestimmungen. Unsere ausführlichen Datenschutzinformationen finden Sie hier. Bei der Kontakt-Funktion erhobene Daten werden nur an den jeweiligen Anbieter weitergeleitet und sind nötig, damit der Anbieter auf Ihr Anliegen reagieren kann.

Cloud-native KI auf AWS und Azure: Ready für Production

Detaillierte Informationen zum Seminar

Anbieterinformationen