AWS - MLOps Engineering on AWS
Kursdauer: 3 Tage - 09:00 - 17:00 Uhr
Was lerne ich in der Schulung?
- ML-Modelle mit MLOps auf AWS entwickeln und bereitstellen
- ML-Pipelines automatisieren und Workflows optimieren
- Modelle überwachen und Leistung in Produktion sichern
Erfahrung, die Vertrauen schafft - überzeugen Sie sich selbst.
AWS - MLOps Engineering on AWS
Kurs-ID: AWRWas erwartet Sie in diesem AWS - MLOps Engineering on AWS Kurs?
In dem Seminar AWS - MLOps Engineering on AWS (MLOE), aufbauend auf der vorherrschenden DevOps-Praxis in der Softwareentwicklung, lernen Sie, wie Sie Modelle für maschinelles Lernen erstellen.
Für wen ist der AWS - MLOps Engineering on AWS geeignet?
Der Kurs AWS - MLOps Engineering on AWS (MLOE) baut auf der in der Softwareentwicklung vorherrschenden DevOps-Praxis auf und erweitert sie, um Modelle für maschinelles Lernen (ML) zu erstellen, zu trainieren und bereitzustellen. Die Bedeutung von Daten, Modellen und Code für erfolgreiche ML-Bereitstellungen wird vermittelt.
Im Kurs wird der Einsatz von Tools, Automatisierung, Prozessen und Teamwork demonstriert, um die Herausforderungen zu bewältigen, die mit Übergaben zwischen Dateningenieuren, Datenwissenschaftlern, Softwareentwicklern und dem Betrieb verbunden sind. Die Verwendung von Werkzeugen und Prozessen zur Überwachung und Ergreifung von Maßnahmen wird diskutiert, wenn die Modellvorhersage in der Produktion von vereinbarten Leistungskennzahlen abweicht.
Optional erstellen Sie einen MLOps-Aktionsplan für ihre Organisation durch tägliche Reflexion der Unterrichts- und Laborinhalte sowie durch Gespräche mit Kollegen und Dozenten.
Zielgruppe:
- DevOps Engineers
- ML Engineers
- Entwickler/Betriebe mit Verantwortung für die Operationalisierung von ML-Modellen
Kursziel:
Nach dem Kurs können Sie MLOps-Praktiken nutzen, um ML-Modelle auf AWS effizient zu operationalisieren. Sie lernen, wie Sie Tools und Automatisierungen einsetzen, um den Übergang zwischen Teams zu optimieren und Modellabweichungen in der Produktion zu überwachen.
Hinweis:
Kurssprache ist Deutsch, die Unterlagen sind in englischer Sprache (teilweise in digitaler Form).
Dieses Seminar führen wir in Kooperation mit der Fast Lane GmbH durch.
Kursvoraussetzungen
Erforderlich:
- AWS Technical Essentials (AWSE)
- DevOps Engineering on AWS (AWSDEVOPS)
- Practical Data Science with Amazon SageMaker (PDSASM)
Zusätzlich Empfohlen:
- The Elements of Data Science (digitaler Kurs) oder gleichwertige Erfahrung
- Machine Learning Terminology and Process (digitaler Kurs)
Ist die Teilnahme vor Ort und online möglich?
Dieses Seminar können Sie nur als Live-Online-Training (virtuelles Präsenzseminar) buchen. Schauen Sie sich die technischen Voraussetzungen für Live-Online-Schulungen an.
Welche Themen werden im AWS - MLOps Engineering on AWS behandelt?
- Einführung in MLOps
- Operationen des maschinellen Lernens
- 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, Trainieren und Bewerten von Modellen für maschinelles Lernen
- MLOps-Sicherheit
- Automatisieren
- Apache Airflow
- Kubernetes-Integration für MLOps
- Amazon SageMaker für MLOps
- Bringen Sie Ihren eigenen Algorithmus in eine MLOps-Pipeline ein
- Amazon SageMaker
- Einführung in das Erstellen, Trainieren und Bewerten von Modellen für maschinelles Lernen
- Code und Bereitstellung Ihres ML-Modells mit AWS CodeBuild
- Das Arbeitsbuch zum MLOps-Aktionsplan
- 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
- MLOps-Aktionsplan Arbeitsbuch
- Modellüberwachung und Betrieb
- Fehlersuche in Ihrer Pipeline
- Die Bedeutung der Überwachung
- Überwachung durch Design
- Überwachen Sie Ihr ML-Modell
- Human-in-the-loop
- Amazon SageMaker Modell-Monitor
- Amazon SageMaker Pipelines, Model Monitor, Model Registry und Feature Store
- Lösen des Problems/der Probleme
- Das MLOps Action Plan Workbook
- Nachbereitung
- Nachbearbeitung der MLOps-Aktionsplan-Arbeitsmappe
Ihre Vorteile
- Autorisierter Trainingspartner
PC-COLLEGE ist autorisierter Trainingspartner zahlreicher führender Softwarehersteller und Technologieanbieter, darunter Google, Autodesk, cobra, Corel und weitere. - Zertifikatsservice
Sollten Sie Ihr PC-COLLEGE-Zertifikat verlegt oder bei einem Arbeitgeber abgegeben haben, senden wir Ihnen auf Wunsch, bis zu sieben Jahre nach Kursende, gerne Ihr Original-Zertifikat per Post oder ein PDF per E-Mail zu. - Platz 1 für PC-COLLEGE beim "Deutschen Bildungs-Award 2025/2026"
PC-COLLEGE wurde mit dem 1. Platz des "Deutschen Bildungs-Award 2025/2026" von ntv und dem Deutschen Institut für Service-Qualität in der Kategorie IT & PC Weiterbildung ausgezeichnet. Alle Kursteilnehmenden können sich bei PC-COLLEGE jederzeit auf die Einhaltung sehr hoher Qualitätsstandards verlassen.
Anmeldung
AWS - MLOps Engineering on AWS
Weitere Schulungsformen kurz erklärt
Offener Kurs
- 3 Tage
- 1.995,00 € zzgl. MwSt.
- An 1 Standort
Diesen Kurs als offenes Seminar buchen
Gemeinsam mit Teilnehmenden aus verschiedenen Unternehmen.
Als Live-Online-Training zu festen Terminen – ideal für den direkten Erfahrungsaustausch und neue Impulse.
Firmenschulung
- 3 Tage - anpassbar
- Termin nach Wunsch
- Preis auf Angebot
- Online in ihrem Hause
Diesen Kurs als Firmenschulung anfragen
Exklusiv für mehrere Mitarbeitende Ihres Unternehmens.
Als Live-Online-Training – Inhalte und Termine stimmen wir individuell ab.
Einzelcoaching
- 3 Tage - anpassbar
- Termin nach Wunsch
- Preis auf Angebot
- Online in ihrem Hause
Diesen Kurs als Einzelcoaching anfragen
Individuell für eine Person aus Ihrem Unternehmen.
Als Live-Online-Training - Inhalte, Lerntempo und Termine richten sich nach Ihren persönlichen Anforderungen.
Termine und Standorte
Wählen Sie einen Termin und den gewünschten Standort für ihre AWS - MLOps Engineering on AWS Schulung.
| Kurs-Nr. | Kursbezeichnung | Termin | Dauer | Standort | Buchung |
|---|---|---|---|---|---|
| AWR260921FL | AWS - MLOps Engineering on AWS |
bis
|
3 Tage | ||
| AWR261007FL | AWS - MLOps Engineering on AWS |
bis
|
3 Tage | ||
| AWR261118FL | AWS - MLOps Engineering on AWS |
bis
|
3 Tage | ||
| AWR261207FL | AWS - MLOps Engineering on AWS |
bis
|
3 Tage |