Schulungsübersicht

Einführung in die AI-Implementierung

  • Überblick über den Lebenszyklus der KI-Bereitstellung
  • Herausforderungen beim Einsatz von KI-Agenten in der Produktion
  • Wichtige Überlegungen: Skalierbarkeit, Zuverlässigkeit und Wartungsfreundlichkeit

Containerisierung und Orchestrierung

  • Einführung in Docker und Grundlagen der Containerisierung
  • Verwendung von Kubernetes für die Orchestrierung von KI-Agenten
  • Bewährte Praktiken für die Verwaltung von containerisierten KI-Anwendungen

Servieren von KI-Modellen

  • Überblick über Frameworks zur Modellbereitstellung (z. B. TensorFlow Serving, TorchServe)
  • Aufbau von REST-APIs für die Inferenz von KI-Agenten
  • Handhabung von Batch- und Echtzeit-Vorhersagen

CI/CD für AI Agents

  • Einrichten von CI/CD-Pipelines für KI-Einsätze
  • Automatisieren von Tests und Validierung von KI-Modellen
  • Rolling Updates und Verwaltung der Versionskontrolle

Überwachung und Optimierung

  • Implementierung von Überwachungstools für die Leistung von KI-Agenten
  • Analyse der Modellabweichung und des Nachschulungsbedarfs
  • Optimierung der Ressourcennutzung und Skalierbarkeit

Sicherheit und GoVernance

  • Sicherstellung der Einhaltung von Datenschutzbestimmungen
  • Absicherung von KI-Bereitstellungspipelines und APIs
  • Auditing und Protokollierung für KI-Anwendungen

Praktische Activitie

  • Containerisierung eines KI-Agenten mit Docker
  • Bereitstellen eines KI-Agenten mit Kubernetes
  • Einrichten der Überwachung von KI-Leistung und Ressourcennutzung

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Beherrschung der Python Programmierung
  • Verständnis von Arbeitsabläufen des maschinellen Lernens
  • Vertrautheit mit Containerisierungstools wie Docker
  • Erfahrung mit DevOps Praktiken (empfohlen)

Zielgruppe

  • MLOps Ingenieure
  • DevOps Fachleute
 14 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Kommende Kurse

Verwandte Kategorien