Dieses zweitägige Training bietet Data-Science-Spezialisten eine praxisorientierte Einführung in MLOps, das durch Automatisierung und Standardisierung den gesamten Machine-Learning-Lebenszyklus optimiert. Mit Fokus auf Code- und Datenversionierung sowie Modellparameterüberwachung sorgt es für konsistente und reproduzierbare Ergebnisse. Continuous Integration und Continuous Deployment (CI/CD) beschleunigen die Markteinführung neuer ML-Lösungen und verbessern die Effizienz des Entwicklungsprozesses.
Unser Trainerteam besteht aus Fachleuten, die sowohl in der Machine-Learning-Forschung tätig sind als auch über umfangreiche Erfahrung in der praktischen Implementierung von Datenmodellen in Unternehmen verfügen.
MLOps Data Science
MLOps Data Science
MLOps Data Science
MLOps Data Science
Training
MLOps Data Science
Ein praktischer Einstieg und umfassender Einblick in MLOps.
- Grundlagen des Machine-Learning und Fachterminologie auffrischen
- Techniken zur Datengewinnung, -aufbereitung und -versionierung kennenlernen
- MLOps Prozesse verstehen und entwickeln: Modelltraining und -entwicklung mittels Pipelines
- Nutzung von DVC zur Versionierung der Daten und CML für ML-Pipelines
- Weitere Tools wie MLflow und Kubeflow des MLOps Ecosystems kennenlernen
- Die Teilnehmenden benötigen einen Laptop mit direktem Zugang zum Internet
- Unser Training richtet sich an Personen, die mit Daten sowie Datenmodellen arbeiten und bereits Vorkenntnisse im Bereich Data Science besitzen. Wir vermitteln die Techniken und Prozesse, um aus diesen Daten und Modellen Services bereitzustellen und zu pflegen.
- CHF 2200 / Person für zwei Tage
- Gruppen von 8-24 Personen
- Inklusive Verpflegung, Unterlagen und Trainingsumgebung in der Cloud
- Rabatt ab 12 Personen
Trainingsinhalt
Unsere Trainings bestehen aus abwechslungsreichen Präsentationen und hands-on Labs, um deren Inhalt auf spannende Art und Weise zu übermitteln. Gerne nehmen wir in Absprache auch Bezug auf eure Infrastruktur. Bei Bedarf für weitere Inhalte können wir auf euren Wunsch hin Anpassungen vornehmen.
MLOps Data Science
- Recap Machine-Learning, Modelltypen und deren Anwendungsbereiche
- Datensammeln und -aufbereiten mittels verschiedener Techniken
- Modelltraining und -tuning Code Spaces/GitHub Actions im Free Tier
- Problemstellung: Prozess reproduzierbar und messbar machen
- Vom Prototyp zur Pipeline
- ML-Pipelines und Testing
- Datenversionierung
- Metriken und Experimente
2 Tage
CHF 2200
Zertifikat
Digitale Unterlagen
Bringe deinen eigenen Laptop mit.
Roger Bigler und Luana Cusseddu
Leiter Technologie & Infrastructure Data Management, Systems Engineer, PostFinance AG
«acend hat uns geholfen, Cloud-Native-Technologien wie Kubernetes in der gesamten IT zu verankern. Das Aufbauen von Know-how aller Stakeholder ist bei der Transformation auf eine neue Cloud-Native-Infrastruktur enorm wichtig»
Weiterlesen
Joachim Prinzbach und Nikolas Philips
Product Owner und Head of Engineering, IT Abteilung der Baloise
«Die Trainings bestanden aus Theorieblöcken und Labs, um direkt in die Praxis zu kommen. Das Lösen von Aufgaben ist wichtig. Denn dabei passieren Fehler. Und weil die Trainer vor Ort sind, muss nicht lange nach einer Lösung gesucht werden. Das räumt einen wichtigen Zeitkiller aus dem Weg. Entwickler finden meist eine Lösung – die Frage ist jedoch, wie schnell und sauber.»
Weiterlesen