MLOps Engineering on AWS

Seminarinformationen

Seminar - Ziel

In dieser 3-tägigen Schulung "MLOps Engineering on AWS" lernen Sie, wie Sie die bewährten Praktiken des DevOps-Ansatzes in der Softwareentwicklung auf die Erstellung, das Training und die Bereitstellung von Machine-Learning-Modellen erweitern können. Der Kurs betont die Bedeutung von Daten, Modellen und Code für erfolgreiche ML-Bereitstellungen. Sie werden Tools, Automatisierung, Prozesse und Teamarbeit kennenlernen, die helfen, die Herausforderungen bei der Zusammenarbeit zwischen Dateningenieuren, Datenwissenschaftlern, Softwareentwicklern und dem Betrieb zu bewältigen. Der Kurs behandelt auch den Einsatz von Tools und Prozessen zur Überwachung und Reaktion, wenn die Modellvorhersagen in der Produktion von den vereinbarten Leistungskennzahlen abweichen.

Teilnehmer - Zielgruppe

  • DevOps-Ingenieure
  • ML-Ingenieure
  • Entwickler mit Verantwortung für die Operationalisierung von ML-Modellen

Kurs - Voraussetzungen

Für eine optimale Teilnahme am Kurs empfehlen wir folgende Vorkenntnisse:

Seminardauer

  • 3 Tage
  • 09:00 Uhr bis 17:00 Uhr

Schulungsunterlagen

  • nach Absprache

Seminar-Inhalt / Agenda

Einführung in MLOps

  • Machine Learning Operations
  • Ziele von MLOps
  • Kommunikation
  • Von DevOps zu MLOps
  • ML-Arbeitsablauf
  • Umfang
  • MLOps-Sicht auf den ML-Workflow
  • MLOps-Fälle

MLOps-Entwicklung

  • Einführung in das Erstellen, Erlernen und Auswerten von Modellen des Machine Learning
  • MLOps-Sicherheit
  • Automatisieren
  • Apache Airflow
  • Kubernetes-Integration für MLOps
  • Amazon SageMaker für MLOps
  • Einen eigenen Algorithmus in eine MLOps-Pipeline einbinden
  • Demonstration: Amazon SageMaker
  • Einführung in das Erstellen, Trainieren und Bewerten von Modellen für maschinelles Lernen
  • Code und Bereitstellung Ihres ML-Modells mit AWS CodeBuild

MLOps-Bereitstellung

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

Modellüberwachung und Betrieb

  • Fehlersuche in Ihrer Pipeline
  • Die Bedeutung der Überwachung
  • Überwachung durch Design
  • ML-Modell überwachen
  • Der Mensch in der Schleife
  • Amazon SageMaker Modell-Überwachung
  • Amazon SageMaker Pipelines, Model Monitor, Model Registry und Feature Store
  • Lösen des Problems/der Probleme

Wrap-up

Tags: AWS

Weitere Schulungen zu Thema AWS Cloud

AWS Cloud Financial Management for Builders

- u.a. in Nürnberg, Berlin, Stuttgart, München, Köln

In dieser 3-tägigen Schulung "AWS Cloud Financial Management for Builders" lernen Sie, wie Sie beim Ausführen von Arbeitslasten auf AWS Kosten verwalten, optimieren und vorhersagen können. Der Kurs richtet sich an Personen, die verstehen möchten, wie sie ...

Video Streaming Essentials for AWS Media Services

- u.a. in Nürnberg, Berlin, Stuttgart, München, Köln

In dieser 2-tägigen Schulung "Video Streaming Essentials for AWS Media Services" lernen Sie die besten Methoden für die Entwicklung und Nutzung Cloud-basierter Video-Workflows kennen. Er behandelt wichtige Konzepte im Zusammenhang mit der Videoverarbeitung und ...

The Machine Learning Pipeline on AWS

- u.a. in Berlin, Hamburg, Köln, Düsseldorf, Kassel

In dieser 4-tägigen Schulung "The Machine Learning Pipeline on AWS" lernen Sie, wie Sie die iterative Prozesspipeline des maschinellen Lernens (ML) in einer projektbasierten Lernumgebung nutzen können, um ein reales Geschäftsproblem zu lösen. Der Kurs behandelt ...

Deep Learning on AWS

- u.a. in Berlin, Bremen, Frankfurt am Main, Zürich, Essen

In this course, you’ll learn about AWS’s deep learning solutions, including scenarios where deep learning makes sense and how deep learning works. You’ll learn how to run deep learning models on the cloud using Amazon SageMaker and the MXNet framework. You’ll also learn ...