WICHTIG: Eingeschränkter Parkraum. Bitte informieren Sie sich vor Ihrer Anreise über die aktuelle Parksituation. Mehr erfahren
MENU
Praktische Strategien zur erfolgreichen Durchführung von ML-Projekten

Angebot runterladen

für

Machine Learning Operations (MLOps)

Ihre Anschrift

Beginn:
20.11.2024 - 09:00 Uhr
Ende:
21.11.2024 - 16:30 Uhr
Dauer:
2,0 Tage
Veranstaltungsnr:
36143.00.001
Leitung
codecentric AG
Alle Referent:innen
Live-Online
EUR 1.310,00
(MwSt.-frei)
Mitgliederpreis
Im Rahmen des Bezahlprozesses können Sie die Mitgliedschaft beantragen.
EUR 1.179,00
(MwSt.-frei)
in Zusammenarbeit mit:
Referent:in

Tim Sabsch

Tim Sabsch möchte als Machine Learning Engineer ML-Modelle nicht nur auf dem eigenen Rechner sehen, sondern in der realen Anwendung und mit echtem Mehrwert für den Kunden. Dabei stößt er regelmäßig auf neue Tools und coole Tricks, die er mit der Community teilt.

Beschreibung

Wer bisher nur wenig mit der Operationalisierung von ML-Projekten zu tun gehabt hat, erhält in diesem Workshop den Überblick und eine praxisorientierte Einführung. Kernthemen sind dabei:

  • Versionierung und Verwaltung von Daten, Experimenten und Modellen: Wie kann ich meine Daten und Modelle effektiv verwalten, ohne den Überblick über meine Änderungen zu verlieren?
  • Orchestrierung der verschiedenen Teilprozesse einer ML-Pipeline: Wie kann ich effizient meine Daten aufbereiten, mein Modell trainieren und Vorhersagen treffen – und das immer wieder von vorne?
  • MLOps-Praktiken für Continuous Delivery: Wie bekomme ich mein Modell in Produktion, und das regelmäßig, automatisch und zuverlässig?

Monitoring produktiver ML-Anwendungen: Funktioniert mein Modell auch in der echten Welt oder muss ich es nachjustieren?
Für die Umsetzung in den Hands-on-Übungen kommen verbreitete Werkzeuge wie dvc, mlflow, dagster, FastAPI und ONNX zum Einsatz. Aber auch weitere populäre Werkzeuge wie beispielsweise Airflow, Kubeflow sowie die Angebote der großen Cloud-Anbieter werden in Bezug auf die Fragestellungen eingeordnet.



Ziel der Weiterbildung

Im Seminar werden Ihnen praktische Lösungsstrategien vermittelt, um die Herausforderungen im Bereich des maschinellen Lernens zu bewältigen und die passenden Tools effektiv einzusetzen. Sie werden lernen, wie Sie Lösungen für die verschiedenen Probleme in diesem Umfeld finden und einschätzen können, welche Tools Ihnen dabei helfen können.



TECHNISCHE ANFORDERUNGEN

Docker & Docker-Compose in aktueller Version, optimalerweise mit Admin-Rechten auf dem Rechner.
Docker-Images für den Workshop sowie eine Anleitung zur (kurzen) Einrichtung werden rechtzeitig vor dem Workshop bereitgestellt. Die Einrichtung sollte vor dem Workshop durchgeführt werden.

Programm

Mittwoch, 20. und Donnerstag, 21. November 2024
jeweils von 9.00 bis 16.30 Uhr, inkl. Pausen

MLOps - Warum überhaupt?

  • Rollenverteilungen und Erwartungen in Data-Science-Projekten
  • Abgrenzung zu DevOps

Datenversionierung

  • Grundlagen und Vorteile von Code- und Datenversionierung
  • Einführung in DVC
  • Übung: Datenversionierung mit DVC
  • Übung: Experiment Tracking mit DVC

Data Pipeline Orchestration

  • Grundlagen und Vorteile von Datenpipelines
  •  Einführung in Dagster
  • Übung: Asset Jobs mit Dagster
  • Übung: Op Jobs mit Dagster

Experiment Tracking

  • Grundlagen und Vorteile von Experiment Tracking
  • Experiment Tracking mit MLFlow
  • Übung: Experiment Tracking mit MLFlow
  • Übung: Model Management mit MLFlow

Continuous Integration und Deployment für Machine Learning

  • Einführung in CI/CD, Abgrenzung von CI/CD für Code
  • Was können wir alles testen?
  • Varianten von CI/CD für ML-Produkte
  • Showcase: Github Actions und CML

Deployment und Serving

  • Grundlagen von ML Deployments
  • Unterscheidung Batch Inferenz zu Live Inferenz
  • Deployments on-premises oder in der Cloud
  • Datenvorverarbeitung im Deployment
  • Einführung in Open Neural Network Exchange (ONNX)
  • Übung: FastAPI und ONNX

Monitoring

  • Einführung und Vorteile von Monitoring
  • Showcase: Monitoring mit evidently.ai

Exkurs: Besonderheiten von großen Sprachmodellen

  • Unterschiede von self-hosted zu managed Large Language Models
  • Skalierbarkeit und Performance-Optimierung
  • Showcase: companyGPT

Zusammenfassung und Nächste Schritte

Teilnehmer:innenkreis

Das Seminar ist konzipiert für Teilnehmende, die sich bereits mit Data Science beschäftigt haben und nach Impulsen für eine effektivere Projektarbeit suchen. Python-Kenntnisse werden vorausgesetzt, sind aber nicht essentiell.

Referent:innen

Anke Koke

Anke Koke ist Data Scientist bei der codecentric AG. Mit ihrer Arbeit möchte sie Kunden bei der erfolgreichen Umsetzung von KI-Projekten unterstützen. Dabei ist es ihr wichtig, einen spürbaren Nutzen zu schaffen und bestehende Arbeitsabläufe zu erleichtern. Aktuell ist sie vor allem im Bereich Computer Vision unterwegs und entdeckt dabei immer wieder neue spannende Tools.

Tim Sabsch

Tim Sabsch möchte als Machine Learning Engineer ML-Modelle nicht nur auf dem eigenen Rechner sehen, sondern in der realen Anwendung und mit echtem Mehrwert für den Kunden. Dabei stößt er regelmäßig auf neue Tools und coole Tricks, die er mit der Community teilt.

Nils Uhrberg

Nils Uhrberg ist Machine Learning Engineer bei der codecentric AG und hat sich auf die Implementierung von ML-Lösungen im industriellen Kontext und die Optimierung von MLOps-Prozessen spezialisiert. Seine Expertise liegt in der Implementierung von Computer-Vision-Modellen und der Integration von Machine Learning in Geschäftsprozesse.

Veranstaltungsort

ONLINE

Gebühren und Fördermöglichkeiten

Die Teilnahme beinhaltet ausführliche Unterlagen.

Preis:
Die Teilnahmegebühr beträgt:
1.310,00 € (MwSt.-frei) pro Teilnehmer

Fördermöglichkeiten:

Bei einem Großteil unserer Veranstaltungen profitieren Sie von bis zu 70 % Zuschuss aus der ESF-Fachkursförderung.
Bisher sind diese Mittel für den vorliegenden Kurs nicht bewilligt. Dies kann verschiedene Gründe haben. Wir empfehlen Ihnen daher, Kontakt mit unserer Anmeldung aufzunehmen. Diese gibt Ihnen gerne Auskunft über die Förderfähigkeit der Veranstaltung.

Weitere Bundesland-spezifische Fördermöglichkeiten finden Sie hier.

Inhouse Durchführung:
Sie möchten diese Veranstaltung firmenintern bei Ihnen vor Ort durchführen? Dann fragen Sie jetzt ein individuelles Inhouse-Training an.

Weitere Termine und Orte

Datum
Beginn: 20.11.2024
Ende: 21.11.2024
Lernsetting & Ort
Live-Online
Preis
EUR 1.310,00

Bewertungen unserer Teilnehmer

(0,0 von 5)
5 Sterne
(0)
4 Sterne
(0)
3 Sterne
(0)
2 Sterne
(0)
1 Sterne
(0)
0 Sterne
(0)
Noch keine Bewertung für diesen Kurs vorhanden.
Hier finden Sie eine Übersicht aller Rezensionen.

TAE Newsletter

Bleiben Sie informiert! Entdecken Sie den TAE Themen-Newsletter mit aktuellen Veranstaltungen rund um Ihren persönlichen Tätigkeitsbereich. Direkt anmelden, Interessensbereiche auswählen und regelmäßig relevante Infos zu unserem Weiterbildungsangebot erhalten – abgestimmt auf Ihren Bedarf.

Jetzt registrieren

Fragen zur Veranstaltung?

Ihr Ansprechpartner für die Veranstaltung

Carmen Fritz, M.Sc.
Carmen Fritz, M.Sc.
Informationstechnik (IT)