Seminare
Seminare
  • Seminare
  • Anbieter
  • 5 km
  • 10 km
  • 25 km
  • 50 km
  • 100 km
  • 150 km
  • 200 km
  • 300 km

Kubeflow Schulung: MLOps auf Kubernetes umsetzen

Webinar - PROKODA GmbH

Kubeflow Schulung: MLOps auf Kubernetes umsetzen
Termin Ort Preis*
09.11.2026- 11.11.2026 München 2.249,10 €
09.11.2026- 11.11.2026 online 2.249,10 €
11.01.2027- 13.01.2027 online 2.249,10 €
11.01.2027- 13.01.2027 München 2.249,10 €
05.04.2027- 07.04.2027 München 2.249,10 €
05.04.2027- 07.04.2027 online 2.249,10 €

Alle Termine anzeigen

*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:

Kubeflow-Architektur auf Kubernetes

  • Kubeflow-Komponenten im Kubernetes-Cluster
  • Namespaces für getrennte ML-Teams
  • RBAC-Rollen und Service-Accounts
  • Secret-Verwaltung für geschützte Zugriffe

Notebook-Umgebungen und Arbeitsabläufe

  • Kubeflow Notebooks mit JupyterLab
  • Container-Images für Notebook-Server
  • Persistente Volumes für Trainingsdaten
  • Datenzugriff aus Notebook-Umgebungen

Kubeflow Pipelines Training

  • Komponenten mit Python-DSL
  • Parameterisierte Pipeline-Runs
  • Caching und reproduzierbare Ausführungen
  • Artefakte und Modellversionen

Trainer-Jobs und Experiment-Tracking

  • Kubeflow Trainer v2
  • TrainJob- und Runtime-Ressourcen
  • Metriken im TrainJob-Status
  • ML Metadata für Run-Historien

CI/CD und Zugriffssteuerung

  • Git-basierte Änderungen an Pipeline-Code
  • Container-Builds für Pipeline-Komponenten
  • CI/CD für Container-Images
  • GitOps für Deployment-Manifeste

Modellbereitstellung mit KServe

  • InferenceService-Ressourcen in KServe
  • Storage-URIs für Modellartefakte
  • Deployment-Manifeste für Inferenzdienste
  • Fehleranalyse bei Serving-Problemen
Teilnahmevoraussetzungen:
  • Grundkenntnisse in Kubernetes, Containern und kubectl
  • Erfahrung mit Python-basiertem Machine Learning und Git
  • Container-Grundlagen, etwa aus dem Linux Container Workshop
Zielgruppe:
  • Data-Scientists mit Kubernetes-Umfeld
  • ML-Engineers für produktive Modellbereitstellung
  • Plattform-Engineers mit MLOps-Verantwortung
  • DevOps-Teams für ML-Plattformen
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









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

captcha



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.







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

captcha