Modernes MLOps mit MLflow

Einführung MLOps

• MLOps Entstehung
• MLOps vs DevOps

Einführung MLflow

• Was ist MLflow
• Open Source Alternativen zu MLFlow
• AWS Sagemaker als Alternative zu MLFlow
• GCP Vertex AI als ALternative zu MLFlow

MLflow First Steps

• Einführung in MLflow Framework
• Einführung in MLflow Tracking Server
• Einführung in MLflow Model Registry
• Aufsetzen MLflow und MLflow Tracking Server local
  
  • Deep Dive Runs & Experiments
  • Deep Dive Artifacts, Parameters, Metadata, Metrics
  • Deep Dive Models, Model Version & Model Staging
  
  
• Hello World mit Python3 und MLflow Tracking Server local

MLFlow mit Cloud

• Setup MLflow Tracking Server in AWS mit EC2
• Hello World mit MLflow Tracking Server auf AWS
• MLflow in der Cloud per API Steuern
• AWS Sagemaker Training über MLflow CLI & REST API triggern
• MLflow Experiment Run zum Model & Model Stage promoten
• Model Deployment triggern nach erfolgreichem Model & Model Stage promotion

Best Practices

• MLflow Best practices
• Security Best Practices

Clean up

In dieser 3-tägigen Schulung "Modernes MLOps mit MLflow" lernen Sie, wie MLOps das DevOps-Modell auf Machine Learning überträgt. Sie werden MLOps Pipelines und ein ML Model Register mit MLflow erstellen und anpassen. Data Scientists, Data Manager, Database Manager und Machine Learning Developer profitieren von modernen MLOps Frameworks für schnellere geschäftliche Nutzen durch Machine Learning. Das Seminar bietet praxisnahe Anwendungen und interaktive Übungen. Egal, ob erfahrener Data Scientist oder Machine Learning Developer, Sie erwerben wertvolle Fähigkeiten für erfolgreichere Machine Learning Projekte.

• Erfahrung in Python
• Basics in Cloud (AWS, GCP, Azure)

Die Schulung bietet Ihnen eine ausgewogene Mischung aus Theorie und Praxis in einer erstklassigen Lernumgebung. Profitieren Sie vom direkten Austausch mit unseren projekterfahrenen Trainern und anderen Teilnehmern, um Ihren Lernerfolg zu maximieren.

• Data Scientist