Netz-Weise Logo

AWS: MLOps Engineering on AWS

Im AWS - MLOps Engineering on AWS (MLOE) Kurs werden die Teilnehmer in die Erstellung, Schulung und Bereitstellung von maschinellen Lernmodellen (ML) eingeführt. Dabei wird vorhandenes Wissen aus der DevOps Praxis erweitert, um den besonderen Herausforderungen bei der Übergabe von Daten, Modellen und Code zwischen Dateningenieuren, Datenwissenschaftlern, Softwareentwicklern und Betrieb gerecht zu werden. Zur erfolgreichen Umsetzung von ML-Projekten werden sowohl Werkzeuge, Automatisierung und Prozesse eingesetzt als auch Teamwork gefördert. Zudem werden im Seminar Überwachungs- und Reaktionswerkzeuge besprochen, um eine kontinuierliche Verbesserung der ML-Modelle sicherzustellen.

Optional kann ein MLOps-Aktionsplan für die eigene Organisation erstellt werden, um das erlernte Wissen in die Praxis umzusetzen. Der Kurs wird in Kooperation mit der Fast Lane GmbH angeboten, wobei die Kurssprache Deutsch ist und die Kursunterlagen teilweise in englischer Sprache, auch in digitaler Form, vorliegen.

Kursinhalt

Einführung in MLOps

In diesem Seminar lernen Sie die Grundlagen des maschinellen Lernens und wie sie auf effiziente Weise in betriebliche Abläufe integriert werden können. Dabei erfahren Sie, welche Ziele mit MLOps verfolgt werden und wie die Kommunikation zwischen den verschiedenen Teams verbessert werden kann. Außerdem werden Sie von DevOps zu MLOps geführt und lernen den MLOps-Arbeitsablauf sowie die MLOps-Sicht auf den ML-Workflow kennen. Praxisnahe MLOps-Fälle werden ebenfalls behandelt.

MLOps-Entwicklung

In diesem Teil des Seminars werden Sie in die Erstellung, das Training und die Bewertung von Modellen für maschinelles Lernen eingeführt. Dabei liegt besonderes Augenmerk auf der Sicherheit von MLOps. Des Weiteren werden Automatisierungstechniken wie Apache Airflow und Kubernetes-Integration für MLOps behandelt. Als Teilnehmer werden Sie außerdem lernen, wie Sie Amazon SageMaker für MLOps nutzen können und Ihren eigenen Algorithmus in eine MLOps-Pipeline integrieren können. Auch das Erstellen, Trainieren und Bereitstellen von Modellen mit Amazon SageMaker wird behandelt. Abschließend werden CodeBuild und das Arbeitsbuch zum MLOps-Aktionsplan vorgestellt.

MLOps-Bereitstellung

In diesem Teil des Seminars lernen Sie die verschiedenen Aspekte der Bereitstellung von MLOps kennen. Hierbei wird auf Themen wie Modell-Paketierung, Inferenz, das Einsetzen von Modellen in der Produktion und die Verwendung von SageMaker Produktionsvarianten eingegangen. Sie werden verschiedene Strategien für den Einsatz von MLOps kennenlernen und erfahren, wie A/B-Tests durchgeführt werden können. Außerdem wird das MLOps-Aktionsplan-Arbeitsbuch vorgestellt.

Modellüberwachung und Betrieb

In diesem Teil des Seminars widmen wir uns der Fehlerbehebung in Ihrer MLOps-Pipeline und beleuchten die Bedeutung der Überwachung von ML-Modellen. Sie erfahren, wie eine effektive Überwachung durch Design erreicht werden kann und wie Sie Ihr ML-Modell überwachen können. Auch das Konzept des "Human-in-the-loop" wird behandelt. Amazon SageMaker Modell-Monitor, Pipelines, Model Registry und Feature Store werden vorgestellt und wir zeigen Ihnen, wie Sie Probleme erfolgreich lösen können. Dabei wird auch das MLOps Action Plan Workbook verwendet.

Nachbereitung

Im letzten Teil des Seminars unterstützen wir Sie bei der Nachbearbeitung der MLOps-Aktionsplan-Arbeitsmappe und beantworten offene Fragen.

Anforderungen
Erforderlich: - AWS Technical Essentials (AWSE) - DevOps Engineering on AWS (AWSDEVOPS) - Practical Data Science with Amazon SageMaker (PDSASM) Zusätzlich Empfohlen: - The Elements of Data Science (digitaler Kurs) oder gleichwertige Erfahrung - Machine Learning Terminology and Process (digitaler Kurs)
Kurs-Daten
Seminar: AWR
Preis: 1995.00 € zzgl. Mwst.
Dauer: 3 Tage
Termine
Termine Online