MLOps Engineering on AWS

Ziele

In dieser 3-tägigen Schulung "MLOps Engineering on AWS" lernen Sie, wie Sie die bewährten Praktiken des DevOps-Ansatzes in der Softwareentwicklung auf die Erstellung, das Training und die Bereitstellung von Machine-Learning-Modellen erweitern können. Der Kurs betont die Bedeutung von Daten, Modellen und Code für erfolgreiche ML-Bereitstellungen. Sie werden Tools, Automatisierung, Prozesse und Teamarbeit kennenlernen, die helfen, die Herausforderungen bei der Zusammenarbeit zwischen Dateningenieuren, Datenwissenschaftlern, Softwareentwicklern und dem Betrieb zu bewältigen. Der Kurs behandelt auch den Einsatz von Tools und Prozessen zur Überwachung und Reaktion, wenn die Modellvorhersagen in der Produktion von den vereinbarten Leistungskennzahlen abweichen.

Zielgruppe

• DevOps-Ingenieure
• ML-Ingenieure
• Entwickler mit Verantwortung für die Operationalisierung von ML-Modellen

Voraussetzungen

Für eine optimale Teilnahme am Kurs empfehlen wir folgende Vorkenntnisse:

• Teilnahme am Seminar Practical Data Science with Amazon SageMaker
• Teilnahme am Seminar AWS Technical Essentials
• Teilnahme am Seminar DevOps Engineering on AWS

Agenda

Einführung in MLOps

• Machine Learning Operations
• Ziele von MLOps
• Kommunikation
• Von DevOps zu MLOps
• ML-Arbeitsablauf
• Umfang
• MLOps-Sicht auf den ML-Workflow
• MLOps-Fälle

MLOps-Entwicklung

• Einführung in das Erstellen, Erlernen und Auswerten von Modellen des Machine Learning
• MLOps-Sicherheit
• Automatisieren
• Apache Airflow
• Kubernetes-Integration für MLOps
• Amazon SageMaker für MLOps
• Einen eigenen Algorithmus in eine MLOps-Pipeline einbinden
• Demonstration: Amazon SageMaker
• Einführung in das Erstellen, Trainieren und Bewerten von Modellen für maschinelles Lernen
• Code und Bereitstellung Ihres ML-Modells mit AWS CodeBuild

MLOps-Bereitstellung

• Einführung in die Bereitstellungsvorgänge
• Modell-Paketierung
• Inferenz
• Einsetzen des Modells in der Produktion
• SageMaker Produktionsvarianten
• Strategien für den Einsatz
• Einsatz an der Grenze
• Durchführen von A/B-Tests

Modellüberwachung und Betrieb

• Fehlersuche in Ihrer Pipeline
• Die Bedeutung der Überwachung
• Überwachung durch Design
• ML-Modell überwachen
• Der Mensch in der Schleife
• Amazon SageMaker Modell-Überwachung
• Amazon SageMaker Pipelines, Model Monitor, Model Registry und Feature Store
• Lösen des Problems/der Probleme

Wrap-up

Hinweise

Weitere Hinweise

• Dieser Kurs wird mit der offiziellen AWS Unterlage und Systemumgebung durchgeführt.

Open Badge - Ihr digitaler Kompetenznachweis

Durch die erfolgreiche Teilnahme an einem Kurs bei IT-Schulungen.com erlangen Sie nicht nur Fachkenntnisse und Fähigkeiten, sondern bekommen zusätzlich zu Ihrem Teilnahmezertifikat ein Open Badge als digitalen Nachweis Ihrer Kompetenz.

Sie können diesen in Ihrem persönlichen und kostenfreien Mein IT-Schulungen.com Konto abrufen. Ihre verdienten Badges lassen sich problemlos in sozialen Netzwerken integrieren und weitergeben.

Mehr zu den Vorteilen von Badges

Kurz vor Durchführung