Kontakt aufnehmen

Schulungsübersicht

Einführung in die KI-Bereitstellung

  • Überblick über den Lebenszyklus der KI-Bereitstellung
  • Herausforderungen bei der Bereitstellung von KI-Agenten in Produktion
  • Wichtige Aspekte: Skalierbarkeit, Zuverlässigkeit und Nachhaltigkeit

Containerisierung und Orchestrierung

  • Einführung in Docker sowie Grundlagen der Containerisierung
  • Einsatz von Kubernetes zur Orchestrierung von KI-Agenten
  • Best Practices zur Verwaltung containerisierter KI-Anwendungen

Bereitstellung von KI-Modellen

  • Übersicht über gängige Frameworks zur Modellbereitstellung (z. B. TensorFlow Serving, TorchServe)
  • Erstellung von REST-APIs für die Inferenzausführung durch KI-Agenten
  • Unterschiede zwischen Batch- und Echtzeitvorhersagen

CI/CD für KI-Agenten

  • Einrichtung von CI/CD-Pipelines für die Bereitstellung von KI-Modellen
  • Automatisierung von Tests und Validierungen von KI-Modellen
  • Durchführung rollierender Updates sowie Verwaltung der Versionskontrolle

Überwachung und Optimierung

  • Einführung von Monitoring-Tools zur Leistungsüberprüfung von KI-Agenten
  • Analyse möglicher Modellveränderungen und Notwendigkeiten für Neulernvorgänge
  • Verbesserung der Ressourcennutzung sowie Steigerung der Skalierbarkeit

Sicherheit und Compliance

  • Einhaltung von Vorgaben zum Datenschutz und zur Privatsphäre
  • Absicherung der Bereitstellungspipelines sowie APIs für KI-Anwendungen
  • Durchführung von Audits sowie Protokollierung bei Einsatz von KI-Systemen

Praktische Übungen

  • Containerisierung eines KI-Agenten mittels Docker
  • Bereitstellung eines KI-Agenten unter Verwendung von Kubernetes
  • Einrichtung einer Überwachungslösung für Leistung und Ressourcenverbrauch des KI-Agenten

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Sichere Kenntnisse in der Python-Programmierung
  • Grundverständnis für Arbeitsabläufe im Bereich maschinelles Lernen
  • Vertrautheit mit Containerisierungswerkzeugen wie Docker
  • Erfahrung mit DevOps-Praktiken ist von Vorteil

Zielgruppe

  • MLOps-Ingenieure
  • DevOps-Fachkräfte
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien