Kontakt aufnehmen
 Dauer 14 Stunden

Schulungsübersicht

Einführung in Devstral- und Mistral-Modelle

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

Self-Hosting von Mistral- und Devstral-Modellen

  • Vorbereitung der Umgebung und Infrastrukturplanung
  • Containerisierung und Bereitstellung mit Docker/Kubernetes
  • Skalierbarkeitsaspekte für den Produktiveinsatz

Techniken der Feinabstimmung (Fine-Tuning)

  • Überwachtes Fine-Tuning vs. parameter-effiziente Anpassung
  • Datenzusammenstellung und -bereinigung
  • Beispiele für domänenspezifische Anpassungen

Model Ops und Versionierung

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

Governance und Konformität

  • Sicherheitsaspekte bei der Open-Source-Bereitstellung
  • Monitoring und Auditierbarkeit im Unternehmenskontext
  • Konformitätsrahmen und Praktiken für verantwortungsvolle KI

Monitoring und Observability

  • Verfolgung von Modell-Drift und Genauigkeitsverlust
  • Instrumentierung für die Inferenzleistung
  • Aktivierungs- und Reaktionsworkflows

Fallstudien und Best Practices

  • Branchenbezogene Use Cases für die Einführung von Mistral und Devstral
  • Gleichgewicht aus Kosten, Leistung und Kontrolle
  • Lektionen aus dem Open-Source-Model Ops

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Verständnis von Machine-Learning-Workflows
  • Erfahrung mit Python-basierten ML-Frameworks
  • Kenntnisse in Containerisierung und Bereitstellungsumgebungen

Zielgruppe

  • ML-Engineere
  • Teams für Datenplattformen
  • Forschungsingenieure

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien