MLOps Engineering on AWS
Institut: ETC - Enterprise Training Center GmbHBereich: Technik, EDV, Telekommunikation
Kursbeschreibung
Dieses Training baut auf der DevOps-Methodik auf, die in der Softwareentwicklung weit verbreitet ist, und erweitert sie auf Modelle für maschinelles Lernen (ML) zu erstellen, zu trainieren und einzusetzen. Das Training basiert auf dem vierstufigen MLOPs Reifegrad-Framework. Der Kurs konzentriert sich auf die ersten drei Stufen, einschließlich der ersten, wiederholbaren und zuverlässige Stufen. Das Training unterstreicht die Bedeutung von Daten, Modellen und Code für erfolgreiche ML Einsätze. Er demonstriert den Einsatz von Tools, Automatisierung, Prozessen und Teamarbeit bei der Bewältigung der Herausforderungen, die mit der Übergabe zwischen Dateningenieuren, Datenwissenschaftlern, Softwareentwicklern und Betrieb. Das Training behandelt auch die Verwendung von Werkzeugen und Prozessen zur Überwachung und Ergreifung von Maßnahmen, wenn die Modellvorhersage in der Produktion von den vereinbarten Leistungskennzahlen abweicht.
In diesem Training werden Sie lernen:
- Explain the benefits of MLOps
- Compare and contrast DevOps and MLOps
- Evaluate the security and governance requirements for an ML use case and describe possible solutions and mitigation strategies
- Set up experimentation environments for MLOps with Amazon SageMaker
- Explain best practices for versioning and maintaining the integrity of ML model assets (data, model, and code)
- Describe three options for creating a full CI/CD pipeline in an ML context
- Recall best practices for implementing automated packaging, testing and deployment. (Data/model/code)
- Demonstrate how to monitor ML based solutions
- Demonstrate how to automate an ML solution that tests, packages, and deploys a model in an automated fashion; detects performance degradation; and re-trains the model on top of newly acquired data
Dieses Training baut auf der DevOps-Methodik auf, die in der Softwareentwicklung weit verbreitet ist, und erweitert sie auf Modelle für maschinelles Lernen (ML) zu erstellen, zu trainieren und einzusetzen. Das Training basiert auf dem vierstufigen MLOPs Reifegrad-Framework. Der Kurs konzentriert sich auf die ersten drei Stufen, einschließlich der ersten, wiederholbaren und zuverlässige Stufen. Das Training unterstreicht die Bedeutung von Daten, Modellen und Code für erfolgreiche ML Einsätze. Er demonstriert den Einsatz von Tools, Automatisierung, Prozessen und Teamarbeit bei der Bewältigung der Herausforderungen, die mit der Übergabe zwischen Dateningenieuren, Datenwissenschaftlern, Softwareentwicklern und Betrieb. Das Training behandelt auch die Verwendung von Werkzeugen und Prozessen zur Überwachung und Ergreifung von Maßnahmen, wenn die Modellvorhersage in der Produktion von den vereinbarten Leistungskennzahlen abweicht.
In diesem Training werden Sie lernen:
- Explain the benefits of MLOps
- Compare and contrast DevOps and MLOps
- Evaluate the security and governance requirements for an ML use case and describe possible solutions and mitigation strategies
- Set up experimentation environments for MLOps with Amazon SageMaker
- Explain best practices for versioning and maintaining the integrity of ML model assets (data, model, and code)
- Describe three options for creating a full CI/CD pipeline in an ML context
- Recall best practices for implementing automated packaging, testing and deployment. (Data/model/code)
- Demonstrate how to monitor ML based solutions
- Demonstrate how to automate an ML solution that tests, packages, and deploys a model in an automated fashion; detects performance degradation; and re-trains the model on top of ne…
mehrweniger lesen
Beginn
31.03.2025
Ende
02.04.2025
Uhrzeit
ca 09:00 - 16:00 Uhr
Dauer
21.0 LE
Ort
ETC-Wien
E-Mail
Kontakt
Mathias Leiner
Ort
ETC - Enterprise Training Center
Straße
Modecenterstrasse 22/Office 4
PLZ
1030
Ort
Wien
Land
Österreich
Bundesland
Wien
Tel
Fax
+431533 17 77-85
Wir empfehlen, dass die Teilnehmer dieses Kurses über folgende Kenntnisse verfügen:
- AWS Technical Essentials (classroom or digital)
- DevOps Engineering on AWS, or equivalent experience
- Practical Data Science with Amazon SageMaker, or equivalent experience
Zielgruppe
Dieses Training richtet sich an:
- MLOps-Ingenieure, die ML-Modelle in der AWS-Cloud produktiv machen und überwachen möchten
- DevOps-Ingenieure, die für die erfolgreiche Bereitstellung und Wartung von ML Modelle in der Produktion
Kosten
€ 2.380
exkl. 20% MwSt
exkl. 20% MwSt
Kursnummer
AWSS011
