Seminare
Seminare

Machine Learning Operations (MLOps)

Seminar - IOMIDS

Mit modernsten CI/CD- und MLOps-Methoden zur produktiven Machine Learning Anwendung

Wie automatisiere ich das Deployment einer Machine Learning Anwendung? Wie organisiere ich den Development Lifecycle, um die Robustheit der Anwendung sicherzustellen? Das  Seminar zeigt Ihnen, wie Sie Softwareentwicklungs-Werkzeuge wie u.a. Versionierung, Pipelines, Development- und Produktionsumgbung, APIs und Container in der Praxis nutzen können, um produktive Anwendungen zu schaffen.

Termin Ort Preis*
firmenintern auf Anfrage auf Anfrage
*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:

Datenbasierte Anwendungen sind heute nicht mehr aus unserem Alltag wegzudenken. Egal, ob beim gemütlichen Netflix-Abend, bei einer Google-Suche oder bei einer Amazon-Bestellung – die von den Anwendungen vorgeschlagenen Ergebnisse beruhen auf Daten, die von selbstlernenden Algorithmen verarbeitet und mir der Zeit immer besser werden.

Doch wie schaffen es die Großen, ihre Machine-Learning-Algorithmen produktiv so gut einzusetzen, wo andere scheitern? Die Herausforderung liegt in der Kombination zweier Bereiche, die viel zu oft getrennt behandelt werden – den datenbasierten Algorithmen und der klassischen Software-Entwicklung. Die Erkenntnis, wie wichtig die Kombination der beiden Bereiche ist, hat zu dem Aufkommen des Feldes Machine Learning Operations (MLOps) geführt.

Das Seminar startet mit der Vorstellung eines trainierten neuronalen Netzes, das für die Produktion zum Einsatz kommen soll. Anschließend wird gezeigt, wie man mit einem Issue Board und sinnvollem Git Branching die Teamarbeit während des Development-Prozesses übersichtlich und transparent gestaltet wird. Ebenso werden Versionierungsprinzipien und die wichtigsten Git-Befehle vorgestellt, die während des Kurses benötigt werden. Nach einem kurzen Exkurs über die Wichtigkeit von verschiedenen Umgebungen, legen wir eine Entwicklungs- und Produktivumgebung an, auf denen wir die verschiedenen Entwicklungsschritte verdeutlichen werden. Das Ziel ist am Ende eigene Continuous Integration/Continuous Deployment (CI/CD)-Pipelines anzulegen und somit den gesamten Development Lifecycle durchgespielt zu haben.

Neben dem Code werden wir auch die Gewichte trainierter Modelle speichern und versionieren. Es werden Best Practices für die Integration von Machine-Learning-Modellen vorgestellt. Im Zuge dessen behandeln wird Microservices, APIs und Containerisierung als wichtige Konzepte.

Der Fokus des Seminars ist sehr stark auf die praktische Umsetzung des Gelernten ausgerichtet. Schrittweise wird theoretisches Wissen mit Praxisbeispielen verdeutlicht und praxisnah direkt umgesetzt. Dabei wird im Vorfeld genügend Zeit für die Beantwortung von aufkommenden Fragen reserviert.

Programm:

  • Speichern von Modellen
  • Versionieren von Modellen und Code
  • Git
  • Git Branching Modelle
  • Issue Boards
  • GitLab
  • CI/CD Pipelines
  • DEV- und PROD-Umgebung (und weitere)
  • Microservices
  • Containerisierung mit Docker
  • APIs für Vorhersage
Dauer/zeitlicher Ablauf:
2 Tage, jeweils von 10:00 - 17:00 Uhr
Ziele/Bildungsabschluss:
Das Seminar verfolgt das Ziel, Sie möglichst gut auf die Umsetzung von produktiven Softwarelösungen vorzubereiten. Im Zuge unseres „Customised Learning“- Ansatzes erhalten Sie die Möglichkeit, bereits vor Seminarbeginn dem Dozenten Ihre individuelle Fragestellung zu schicken, die anschließend im Kurs diskutiert wird.
Ihr Mehrwert:
Sie lernen Tools zur Bereitstellung von Software Anwendungen für das maschinelle Lernen zu nutzen. Sie lernen wie Sie gemeinsam im Team über Git-Branching-Modelle die Robustheit und Code-Qualität aufrechterhalten, mit einer modernen Microservices- Architektur umsetzen und Ihre Lösungen im laufenden Betrieb automatisiert integrieren. So werden Sie in die Lage versetzt die Machine-Learning-Lösungen in Ihrem Unternehmen langfristig zu betreuen und zu erweitern.
Zertifizierung:
Die erfolgreiche Teilnahme wird den Teilnehmern zertifiziert.
Teilnahmevoraussetzungen:
Notwendiges Vorwissen:
Grundlegende Kenntnisse in Machine Learning und in Python sind hilfreich.
Technische Voraussetzungen:
Für die Installation der notwendigen Software sind Administratorrechte notwendig. iPads oder Android-Tablets sind leider ungeeignet.
Lehrgangsverlauf/Methoden:

Fundierte Theorie

Die wichtige Theorie wird in fokussierter Form in intensiven Theorieblöcken vermittelt.

Praxisprojekt mit Echtdaten

Ein Praxisprojekt mit realen Daten befähigt die Teilnehmer, die Inhalte eigenständig in der Praxis anzuwenden.

eLearning

In unseren Kursen kommt das IOMIDS eLearning zum Einsatz. Interaktives Quiz-Voting sorgt für hohen Lernerfolg.

Hochkarätige Dozenten

Unsere Dozenten haben eine fundierte akademische Ausbildung, oft mit Promotion. Alle Dozenten arbeiten aktuell in Data-Science-Positionen und bringen so den neusten Stand aus der Praxis mit.

Präsenzkurse und Webinare

Unsere Präsenzkurse und Webinare bieten deutlich höhere Motivation und bessere Lernerfolge als das Selbststudium mit Videos oder Büchern. Individuelle Fragen zu bisherigen Erfahrungen werden beantwortet, und Teilnehmer können sich mit anderen Data Scientists vernetzen.

Alle Kurse von IOMIDS verfolgen einen Customised Learning-Ansatz: vor Beginn des Kurses erhält jeder Teilnehmer die Möglichkeit, dem Dozenten seine Interessenschwerpunkte und Vorkenntnisse mitzuteilen, sodass der Kurs bestmöglich auf die jeweilige Gruppe ausgerichtet werden kann. Viele Fragestellungen sind auch für andere Teilnehmende interessant, sodass die Chance groß ist, auch Ihre spezielle Fragestellung im Kurs bearbeiten zu können. Wenn Sie ganz sicher sein möchten, können Sie auch gerne im Vorhinen bei uns anfragen, ob Ihre Fragestellung sich unterbringen lässt.

Förderung:

✓ IOMIDS akzeptiert den Bildungsscheck. Als Einzelperson oder KMU aus NRW übernimmt das Land NRW bis zu 50% der Kosten für die Kurse von IOMIDS. Weitere Infos

Zielgruppe:
Diese Schulung auf fortgeschrittenem Level richtet sich an alle, die Deployment- und Maintenance-Kenntnisse aus der Software-Entwicklung für den Anwendungszweck Machine Learning lernen möchten, um robuste Produktivanwendungen zu entwickeln.
Nach unten
Nach oben
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern. Diese Cookies werden nicht automatisiert gesetzt. Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren. Weitere Informationen finden Sie hier.
Akzeptieren Nicht akzeptieren









Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha



Bei der Verarbeitung Ihrer personenbezogenen Daten im Zusammenhang mit der Kontaktfunktion beachten wir die gesetzlichen Bestimmungen. Unsere ausführlichen Datenschutzinformationen finden Sie hier. Bei der Kontakt-Funktion erhobene Daten werden nur an den jeweiligen Anbieter weitergeleitet und sind nötig, damit der Anbieter auf Ihr Anliegen reagieren kann.







Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha