Das MLOps-Arbeitsbuch · Ein geführter Online-Kurs für den Einstieg in MLOps
Dieser Kurs hilft Ihnen und Ihrem Team, die Konzepte und Best Practices zu verstehen, die notwendig sind, um Ihre Machine Learning Operations (MLOps) in Ihren Machine-Learning-Projekten zu skalieren. Er bietet den Mitgliedern von ML-Projektteams einen umfassenden Überblick über die Herausforderungen und Entscheidungen, die beim Aufbau professioneller ML-Systeme auftreten. Anstatt sich auf sich ständig ändernde Tools zu konzentrieren, legt der Kurs den Fokus auf Konzepte und Frameworks, die helfen, ein gemeinsames Verständnis von MLOps innerhalb von ML-Teams zu schaffen.
Der Kurs ist rund um den ML-Lebenszyklus strukturiert – eine Schlüsselperspektive auf MLOps – und reicht von der Planung eines Machine-Learning-Projekts bis zur Implementierung von Feedback-Schleifen nach der Bereitstellung Ihres Projekts.
Übersicht
Dieser Kurs hilft Ihnen und Ihrem Team, die Konzepte und Best Practices zu verstehen, die nötig sind, um Ihre Machine Learning Operations (MLOps) in Ihren Machine-Learning-Projekten zu skalieren. Er bietet den Mitgliedern von ML-Projektteams einen umfassenden Überblick über die Herausforderungen und Entscheidungen, die beim Aufbau professioneller ML-Systeme auftreten. Anstatt sich auf sich ständig weiterentwickelnde Tools zu konzentrieren, legt der Kurs den Schwerpunkt auf Konzepte und Rahmenwerke, die dabei helfen, innerhalb von ML-Teams ein gemeinsames Verständnis von MLOps zu schaffen.
Der Kurs ist um den ML-Lebenszyklus herum strukturiert – eine wichtige Perspektive auf MLOps – von der Planung eines Machine-Learning-Projekts bis zur Implementierung von Feedback-Schleifen nach der Bereitstellung Ihres Projekts.
Warum empfehlen wir diesen Kurs?
Dieser Kurs vermittelt Ihnen ein fundiertes Verständnis der wichtigsten Konzepte und Praktiken von MLOps, basierend auf jahrelanger Erfahrung mit Organisationen, die versuchen, ML-Anwendungen im großen Maßstab einzusetzen.
Welche Themen werden behandelt?
- Die vier Perspektiven auf MLOps: Der ML-Lebenszyklus, die ML-Verantwortlichkeiten, die ML-Prinzipien, das appliedAI-Projektmanagement-Framework
- Planung eines MLOps-Produkts
- Verbesserung der MLOps-Prozesse entlang des ML-Lebenszyklus – von der Planung bis zur Workflow-Orchestrierung
Was werde ich erreichen?
Nach Abschluss des Kurses erwarten wir von Ihnen, dass Sie die grundlegenden Prinzipien und Rahmenwerke, die MLOps zugrunde liegen, erklären können. Sie sollten in der Lage sein, die Unterschiede zwischen professionellen und unprofessionellen MLOps-Workflows zu erkennen und dadurch befähigt werden, konkrete Verbesserungen in Ihren eigenen MLOps-Prozessen zu identifizieren und umzusetzen. Insbesondere sollten Sie nach Abschluss in der Lage sein:
- Die vier Perspektiven auf MLOps zu erklären, nämlich den ML-Lebenszyklus, die ML-Verantwortlichkeiten, die ML-Prinzipien und das appliedAI Projektmanagement-Framework
- Die wichtigsten Überlegungen und Best Practices zu erläutern, die für eine effektive Projektplanung in einem ML-Projekt notwendig sind
- Konkrete Verbesserungen zu benennen und zu beschreiben, die für jede Phase des ML-Lebenszyklus anwendbar sind
- Die Beteiligung und Verantwortlichkeiten der verschiedenen ML-Verantwortlichkeiten über den gesamten ML-Lebenszyklus hinweg zu erklären
Welche Voraussetzungen muss ich erfüllen?
Dieser Kurs richtet sich an Mitglieder von ML-Teams, die zwar über grundlegende Kenntnisse in MLOps verfügen, aber noch keinen funktionalen und professionellen MLOps-Workflow etabliert haben. Vor Beginn des Kurses erwarten wir, dass die Teilnehmenden mit verschiedenen MLOps-bezogenen Konzepten vertraut sind, darunter Data Engineering, ML-Modellierung und Versionskontrollsysteme.
