Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in die KI-Einführung
- Übersicht über den KI-Deployment-Lebenszyklus
- Herausforderungen bei der Einführung von KI-Agenten in die Produktion
- Wichtige Aspekte: Skalierbarkeit, Zuverlässigkeit und Wartbarkeit
Containerisierung und Orchestrierung
- Einführung in Docker und die Grundlagen der Containerisierung
- Verwendung von Kubernetes für die Orchestrierung von KI-Agenten
- Best Practices für das Management von containerisierten KI-Anwendungen
Bereitstellung von KI-Modellen
- Übersicht über Frameworks für die Modellbereitstellung (z. B. TensorFlow Serving, TorchServe)
- Erstellung von REST-APIs für die Inferenz von KI-Agenten
- Bearbeitung von Batch- im Vergleich zu Echtzeitvorhersagen
CI/CD für KI-Agenten
- Einrichtung von CI/CD-Pipelines für KI-Deployments
- Automatisierung von Test- und Validierungsverfahren für KI-Modelle
- Rolling Updates und Verwaltung der Versionskontrolle
Überwachung und Optimierung
- Einführung von Überwachungswerkzeugen für die Leistung von KI-Agenten
- Analyse von Modell-Drift und Bedarf an neuem Training
- Optimierung der Ressourcennutzung und Skalierbarkeit
Sicherheit und Governance
- Sicherstellung der Einhaltung der Vorschriften zum Schutz personenbezogener Daten
- Schutz von KI-Einführungspipelines und APIs
- Auditing und Protokollierung für KI-Anwendungen
Praktische Übungen
- Containerisierung eines KI-Agenten mit Docker
- Deployment eines KI-Agenten unter Verwendung von Kubernetes
- Einrichtung von Überwachungsfunktionen für KI-Leistung und Ressourcennutzung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Sicherheitsniveau in der Python-Programmierung
- Verständnis von Machine-Learning-Workflows
- Vertrautheit mit Containerisierungswerkzeugen wie Docker
- Erfahrung mit DevOps-Praktiken (empfohlen)
Zielgruppe
- MLOps-Engineeure
- DevOps-Profis
14 Stunden
