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 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