Live-Online: MLOps Engineering on AWS

ML-Datenplattform-Ingenieur:innen, DevOps-Ingenieur:innen und Entwickler:innen/Betriebsmitarbeiter:innen, die für die Operationalisierung von ML-Modellen verantwortlich sind, werden lernen, die Herausforderungen bei der Übergabe zwischen Dateningenieur:innen, Datenwissenschaftler:innen, Softwareentwickler:innen und Betriebsmitarbeiter:innen durch den Einsatz von Tools, Automatisierung, Prozessen und Teamarbeit zu bewältigen. Am Ende des Kurses kannst du vom Lernen zum Handeln übergehen, indem du einen MLOps-Aktionsplan für dein Unternehmen erstellst.

Tag 1

Modul 0: Begrüßung

• Einführung in den Kurs

Modul 1: Einführung in MLOps

• Operationen des maschinellen Lernens
• Ziele von MLOps
• Kommunikation
• Von DevOps zu MLOps
• ML-Workflow
• Umfang
• MLOps-Sicht auf den ML-Workflow
• MLOps-Fälle

Modul 2: MLOps-Entwicklung

• Einführung in das Erstellen, Trainieren und Bewerten von Modellen für maschinelles Lernen
• MLOps-Sicherheit
• Automatisieren
• Apache Airflow
• Kubernetes-Integration für MLOps
• Amazon SageMaker für MLOps
• Übung: Bringe dir deinen eigenen Algorithmus in eine MLOps-Pipeline ein
• Demo: Amazon SageMaker
• Einführung in das Erstellen, Trainieren und Bewerten von Modellen für maschinelles Lernen
• Übung: Code und Bereitstellung deines ML-Modells mit AWS CodeBuild
• Aktivität: MLOps-Aktionsplan-Arbeitsbuch

Tag 2

Modul 3: MLOps-Bereitstellung

• Einführung in die Bereitstellungsvorgänge
• Modell-Paketierung
• Inferenz
• Übung: Einsetzen des Modells in der Produktion
• SageMaker-Produktionsvarianten
• Strategien für den Einsatz
• Einsatz an der Grenze
• Übung: Durchführen von A/B-Tests
• Aktivität: MLOps-Aktionsplan-Arbeitsbuch

Tag 3

Modul 4: Modellüberwachung und Betrieb

• Übung: Fehlersuche in deiner Pipeline
• Die Bedeutung der Überwachung
• Überwachung durch Design
• Übung: Überwachen Sie Ihr ML-Modell
• Der Mensch in der Schleife
• Amazon SageMaker Modell-Überwachung
• Demo: Amazon SageMaker Pipelines, Model Monitor, Model Registry und Feature
• Speichern
• Lösen des Problems/der Probleme
• Aktivität: MLOps-Aktionsplan-Arbeitsbuch

Modul 5: Nachbereitung

• Wiederholung des Kurses
• Aktivität: MLOps-Aktionsplan-Arbeitsbuch
• Nachbereitung

• Bereitstellen deiner eigenen Modelle in der AWS Cloud
• Automatisieren von Workflows zum Erstellen, Trainieren, Testen und Bereitstellen von ML-Modellen
• Die verschiedenen Bereitstellungs-Strategien für die Implementierung von ML-Modellen in der Produktion
• Überwachung der Daten- und Konzeptabweichung, die die Vorhersage und die Anpassung an die Geschäftserwartungen beeinträchtigen könnte

Dieser Kurs richtet sich an die folgenden Jobrollen:

• DevOps
• Maschinelles Lernen & KI