Seminare
Seminare

MLOps Engineering on AWS

Webinar - PROKODA GmbH

MLOps Engineering on AWS
Termin Ort Preis*
22.03.2027- 24.03.2027 online 3.195,15 €
22.03.2027- 24.03.2027 München 3.195,15 €
*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:

Einführung in MLOps und ML-Lifecycle

  • Machine Learning Operations und zentrale Begriffe
  • Ziele, Nutzen und typische Herausforderungen von MLOps
  • Parallelen und Unterschiede zwischen DevOps und MLOps
  • ML-Arbeitsablauf vom Experiment bis zum produktiven Betrieb
  • MLOps-Workflow mit Übergaben zwischen Fachrollen und Teams
  • Praktische Einsatzszenarien für MLOps auf AWS

Entwicklung und Automatisierung von ML-Workflows

  • Erstellen, Trainieren, Testen und Bewerten von ML-Modellen
  • Automatisierung von Build-, Trainings- und Deployment-Prozessen
  • Sicherheits- und Governance-Anforderungen im MLOps-Prozess
  • Workflow-Orchestrierung mit Apache Airflow und Kubernetes
  • Einsatz von Amazon SageMaker für MLOps-Automatisierung
  • Integration eigener Algorithmen und Bring-your-own-Model-Ansätze
  • Demonstration von Code und Bereitstellung eines ML-Modells mit AWS CodeBuild

Bereitstellung, Inferenz und Modellbetrieb

  • Modell-Paketierung für Training und Inferenz
  • Auswahl geeigneter Inferenz-Ansätze für unterschiedliche Nutzungsszenarien
  • Bereitstellungsstrategien mit Produktionsvarianten und A/B-Tests
  • Herausforderungen beim Deployment auf Edge-Geräten
  • Skalierung von Machine-Learning-Systemen im Vergleich zu klassischen Anwendungen
  • Relevante SageMaker-Funktionen für Deployment und Inferenz

Monitoring, Qualitätssicherung und Troubleshooting

  • Monitoring-Anforderungen für produktive ML-Modelle
  • Überwachung durch Design und Definition geeigneter Leistungskennzahlen
  • Einsatz von Amazon SageMaker Model Monitor
  • Nutzung von SageMaker Pipelines, Model Registry und Feature Store
  • Erkennung von Daten-Drift und Abweichungen in Eingabedaten
  • Reaktionen auf Abweichungen von vereinbarten Modellkennzahlen
  • Fehlersuche und Optimierung von MLOps-Pipelines
Teilnahmevoraussetzungen:

Für eine erfolgreiche Teilnahme werden praktische AWS- und DevOps-Grundlagen empfohlen. Geeignet sind die folgenden Schulungen oder gleichwertige Projekterfahrung:

  • AWS Technical Essentials oder solide Kenntnisse zentraler AWS-Services
  • DevOps Engineering on AWS oder Erfahrung mit CI/CD, Automatisierung und Deployment-Prozessen
  • Practical Data Science with Amazon SageMaker oder praktische Erfahrung mit Machine-Learning-Workflows
  • AWS Überblick für Einsteiger und Entscheider als Einstieg bei grundlegender AWS-Orientierung
Zielgruppe:
  • DevOps-Ingenieurinnen und DevOps-Ingenieure mit Verantwortung für ML-Plattformen, CI/CD und produktive Deployments
  • ML-Ingenieurinnen und ML-Ingenieure, die Modelle auf AWS operationalisieren, überwachen und weiterentwickeln
  • Data-Platform- und Cloud-Engineers, die skalierbare ML-Workflows mit Amazon SageMaker aufbauen
  • Entwicklerinnen, Entwickler und Operations-Teams, die ML-Modelle zuverlässig in produktive Anwendungen integrieren
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