MLOps Engineering on AWS

Seminarinformationen

Seminar - Ziel

In diesem 3-tägigen Seminar „MLOps Engineering on AWS“ erfahren Sie, wie sich die Prinzipien und Methoden des DevOps-Ansatzes auf die Entwicklung, das Training und die Bereitstellung von Machine-Learning-Modellen übertragen lassen. Der Fokus liegt auf der zentralen Rolle von Daten, Modellen und Code für erfolgreiche ML-Implementierungen. Sie machen sich mit Werkzeugen, Automatisierungen, Prozessen und Formen der Zusammenarbeit vertraut, die dabei unterstützen, typische Herausforderungen in der Kooperation zwischen Dateningenieur:innen, Data Scientists, Entwickler:innen und Betriebsteams zu meistern.

Darüber hinaus befassen Sie sich mit dem Einsatz geeigneter Tools und Verfahren zur Überwachung und Reaktion – insbesondere dann, wenn Modellvorhersagen in der Produktivumgebung von definierten 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 ...

AWS Security Essentials

- u.a. in Hannover, Köln, Nürnberg, Freiburg, Nordhausen

In dieser 1-tägigen Schulung "AWS Security Essentials" lernen Sie die grundlegenden Sicherheitskonzepte der AWS Cloud kennen, einschließlich AWS-Zugangskontrolle, Datenverschlüsselungsmethoden und wie der Netzwerkzugang zu Ihrer AWS-Infrastruktur gesichert werden ...

Building Data Lakes on AWS

- u.a. in Bremen, Hannover, Hamburg, Dresden, Kassel

In dieser 1-tägigen Schulung "Building Data Lakes on AWS" lernen Sie, wie Sie einen operativen Data Lake aufbauen, der die Analyse von strukturierten und unstrukturierten Daten unterstützt. Der Kurs vermittelt Ihnen die erforderlichen Kenntnisse über die ...