Kontakt aufnehmen

Schulungsübersicht

Einführung in Devstral- und Mistral-Modelle

  • Überblick über die Open-Source-Modelle von Mistral
  • Apache-2.0-Lizenz und Unternehmenseinführung
  • Die Rolle von Devstral in Coding- und agentenbasierten Workflows

Self-Hosting von Mistral- und Devstral-Modellen

  • Vorbereitung der Umgebung und Infrastrukturwahlen
  • Containerisierung und Bereitstellung mit Docker/Kubernetes
  • Skalierungsüberlegungen für den Produktivbetrieb

Fine-Tuning-Techniken

  • Überwachtes Fine-Tuning im Vergleich zu parametereffizientem Tuning
  • Vorbereitung und Bereinigung von Datensätzen
  • Beispiele für domain-spezifische Anpassungen

Model Ops und Versionierung

  • Best Practices für die Modell-Lebenszyklus-Verwaltung
  • Modellversionierung und Rollback-Strategien
  • CI/CD-Pipelines für ML-Modelle

Governance und Compliance

  • Sicherheitsaspekte bei der Open-Source-Bereitstellung
  • Überwachung und Nachvollziehbarkeit in Unternehmenskontexten
  • Compliance-Frameworks und verantwortungsvolle KI-Praktiken

Überwachung und Observability

  • Erfassung von Modell-Drift und Genauigkeitsverlust
  • Instrumentierung für Inferenzleistung
  • Alerting- und Reaktionsworkflows

Use-Cases und Best Practices

  • Branchenrelevante Anwendungsfälle der Einführung von Mistral und Devstral
  • Ausgleich zwischen Kosten, Leistung und Kontrolle
  • Lektionen aus Open-Source Model Ops

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundverständnis von Machine-Learning-Workflows
  • Erfahrung mit Python-basierten ML-Frameworks
  • Vertrautheit mit Containerisierung und Bereitstellungs Umgebungen

Zielgruppe

  • ML-Ingenieure
  • Datenplattform-Teams
  • Forschungsingenieure
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien