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.
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