Leipzig

NobleProg Leipzig, Arthur-Hoffmann Str., Leipzig, germany, 04107

Überblick 

Unsere Schulungsräumlichkeiten befinden sich in der Arthur-Hoffmann-Strasse  in Leipzig. Unsere großzügigen Schulungsräume sind zentral gelegen, nahe der Universität, und bieten optimale Trainingsbedingungen für Ihre Bedürfnisse.

Anfahrt 

Die NobleProg-Schulungsräumlichkeiten liegen verkehrsgünstig nahe der S-Bahnstation Bayerischer Bahnhof. Im Norden erreichtman die Autobahn A41, im Süden die A38.

Parkplätze 

Rund um unsere Schulungsräume finden Sie zahlreiche Parkplätze.

Lokale Infrastruktur 

In der Nähe der Schulungsräume finden Sie zahlreiche Hotels und Restaurants.

Unterkategorien (2)

Kubeflow

Kubeflow
MLflow

MLflow

Erkunden Sie unsere Kurse

DeepSeek: Advanced Model Optimization and Deployment

 14 Stunden
Diese von einem Trainer geleitete Live-Schulung in Leipzig (online oder vor Ort) richtet sich an fortgeschrittene KI-Ingenieure und Datenwissenschaftler mit mittlerer bis fortgeschrittener Erfahrung, die die DeepSeek-Modellleistung verbessern, Latenzzeiten minimieren und KI-Lösungen mit modernen MLOps-Praktiken effizient einsetzen möchten. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:
  • Optimieren von DeepSeek-Modellen hinsichtlich Effizienz, Genauigkeit und Skalierbarkeit.
  • Best Practices für MLOps und Modellversionierung zu implementieren.
  • DeepSeek-Modelle in einer Cloud- und On-Premise-Infrastruktur bereitzustellen.
  • KI-Lösungen effektiv zu überwachen, zu warten und zu skalieren.
Read more...

Kubeflow

 35 Stunden
Diese von einem Trainer geleitete Live-Schulung in Leipzig (online oder vor Ort) richtet sich an Entwickler und Datenwissenschaftler, die Workflows für maschinelles Lernen auf Kubernetes erstellen, einsetzen und verwalten möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:
  • Installation und Konfiguration von Kubeflow vor Ort und in der Cloud mit AWS EKS (Elastic Kubernetes Service).
  • ML-Workflows auf der Grundlage von Docker-Containern und Kubernetes zu erstellen, bereitzustellen und zu verwalten.
  • Ausführen ganzer Pipelines für maschinelles Lernen auf verschiedenen Architekturen und Cloud-Umgebungen.
  • Verwendung von Kubeflow zum Erzeugen und Verwalten von Jupyter-Notebooks.
  • ML-Training, Hyperparameter-Tuning und Serving-Workloads über mehrere Plattformen hinweg erstellen.
Read more...

Kubeflow Fundamentals

 28 Stunden
Diese von einem Trainer geleitete Live-Schulung in Leipzig (online oder vor Ort) richtet sich an Entwickler und Datenwissenschaftler, die Workflows für maschinelles Lernen auf Kubernetes erstellen, einsetzen und verwalten möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:
  • Installation und Konfiguration von Kubeflow vor Ort und in der Cloud.
  • ML-Workflows auf der Grundlage von Docker-Containern und Kubernetes zu erstellen, bereitzustellen und zu verwalten.
  • Ganze Pipelines für maschinelles Lernen auf verschiedenen Architekturen und Cloud-Umgebungen auszuführen.
  • Verwendung von Kubeflow zum Erstellen und Verwalten von Jupyter-Notebooks.
  • ML-Training, Hyperparameter-Tuning und Serving-Workloads über mehrere Plattformen hinweg erstellen.
Read more...

Kubeflow on AWS

 28 Stunden
Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Ingenieure, die Machine Learning Arbeitslasten auf einem AWS EC2-Server bereitstellen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Installieren und konfigurieren Sie Kubernetes, Kubeflow und andere benötigte Software auf AWS.
  • Verwenden Sie EKS (Elastic Kubernetes Service), um die Initialisierung eines Kubernetes-Clusters auf AWS zu vereinfachen.
  • Erstellen und Bereitstellen einer Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion.
  • Trainieren und Bereitstellen von TensorFlow ML-Modellen auf mehreren parallel laufenden GPUs und Rechnern.
  • Nutzen Sie andere verwaltete AWS-Services, um eine ML-Anwendung zu erweitern.
Read more...

Kubeflow on Azure

 28 Stunden
Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Techniker, die Machine Learning Workloads in der Azure-Cloud bereitstellen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Installieren und konfigurieren Sie Kubernetes, Kubeflow und andere benötigte Software auf Azure.
  • Verwenden Sie Azure Kubernetes Service (AKS), um die Initialisierung eines Kubernetes-Clusters auf Azure zu vereinfachen.
  • Erstellen und Bereitstellen einer Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion.
  • Trainieren und Bereitstellen von TensorFlow ML-Modellen auf mehreren parallel laufenden GPUs und Computern.
  • Nutzen Sie andere verwaltete AWS-Services, um eine ML-Anwendung zu erweitern.
Read more...

MLflow

 21 Stunden
Diese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Datenwissenschaftler, die über die Erstellung von ML-Modellen hinausgehen und den Prozess der Erstellung, Verfolgung und Bereitstellung von ML-Modellen optimieren möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:
  • Installation und Konfiguration von MLflow und verwandten ML-Bibliotheken und -Frameworks.
  • die Bedeutung der Nachvollziehbarkeit, Reproduzierbarkeit und Einsatzfähigkeit eines ML-Modells zu erkennen
  • ML-Modelle auf verschiedenen öffentlichen Clouds, Plattformen oder On-Premise-Servern bereitzustellen.
  • Skalierung des ML-Bereitstellungsprozesses, um die Zusammenarbeit mehrerer Benutzer an einem Projekt zu ermöglichen.
  • Einrichtung eines zentralen Registers, um mit ML-Modellen zu experimentieren, sie zu reproduzieren und einzusetzen.
Read more...

MLOps: CI/CD for Machine Learning

 35 Stunden
Diese von einem Ausbilder geleitete Live-Schulung in Leipzig (online oder vor Ort) richtet sich an Ingenieure, die die heute verfügbaren Ansätze und Werkzeuge bewerten möchten, um eine intelligente Entscheidung über den weiteren Weg bei der Einführung von MLOps in ihrem Unternehmen zu treffen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:
  • Verschiedene MLOps-Frameworks und -Tools zu installieren und zu konfigurieren.
  • Das richtige Team mit den richtigen Fähigkeiten für den Aufbau und die Unterstützung eines MLOps-Systems zusammenzustellen.
  • Daten für die Verwendung durch ML-Modelle vorzubereiten, zu validieren und zu versionieren.
  • Verstehen der Komponenten einer ML-Pipeline und der für den Aufbau einer solchen benötigten Werkzeuge.
  • Experimentieren mit verschiedenen Frameworks für maschinelles Lernen und Servern für den Einsatz in der Produktion.
  • Operationalisierung des gesamten Machine Learning Prozesses, so dass er reproduzierbar und wartbar ist.
Read more...

MLOps for Azure Machine Learning

 14 Stunden
Diese von einem Ausbilder geleitete Live-Schulung (online oder vor Ort) richtet sich an Ingenieure für maschinelles Lernen, die Azure Machine Learning und Azure DevOps zur Erleichterung von MLOps Praktiken nutzen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Reproduzierbare Arbeitsabläufe und Modelle für maschinelles Lernen zu erstellen.
  • Den Lebenszyklus des maschinellen Lernens zu verwalten.
  • Modellversionshistorie, Assets und mehr zu verfolgen und zu melden.
  • Produktionsfähige Machine-Learning-Modelle überall bereitstellen.
Read more...

Last Updated:

Erfahrungsberichte (2)

das ML-Ekosystem, nicht nur MLFlow sondern auch Optuna, Hyperopt, Docker und Docker-Compose

Guillaume GAUTIER - OLEA MEDICAL

Kurs - MLflow

Maschinelle Übersetzung

Ich habe es sehr genossen, an der Kubeflow Ausbildung teilzunehmen, die ferngesteuert durchgeführt wurde. Diese Ausbildung ermöglichte mir, mein Wissen zu AWS-Diensten, K8s und allen devOps-Tools rund um Kubeflow zu festigen, was die notwendige Grundlage ist, um das Thema angemessen anzugehen. Ich möchte Malawski Marcin für seine Geduld und Professionalität bei der Ausbildung sowie für Tipps zur besten Praxis danken. Malawski attackiert das Thema aus verschiedenen Perspektiven, mit unterschiedlichen Bereitstellungstools Ansible, EKS kubectl, Terraform. Jetzt bin ich definitiv überzeugt, dass ich mich auf dem richtigen Anwendungsgebiet befinde.

Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM

Kurs - Kubeflow

Maschinelle Übersetzung

Kommende Kurse

MLOps: CI/CD for Machine Learning

2025-06-09 09:30
35 Stunden
Leipzig
8680 EUR (Online)
9680 EUR (Schulungsraum)

MLOps for Azure Machine Learning

2025-06-23 09:30
14 Stunden
Leipzig
3472 EUR (Online)
3872 EUR (Schulungsraum)

Kubeflow Fundamentals

2025-07-07 09:30
28 Stunden
Leipzig
6944 EUR (Online)
7744 EUR (Schulungsraum)

MLOps: CI/CD for Machine Learning

2025-07-21 09:30
35 Stunden
Leipzig
8680 EUR (Online)
9680 EUR (Schulungsraum)

Kubeflow on AWS

2025-08-04 09:30
28 Stunden
Leipzig
6944 EUR (Online)
7744 EUR (Schulungsraum)

Andere Regionen in Deutschland

Andere Länder

Diese Kurse sind auch in anderen Ländern verfügbar

Beratung

MLOps Beratung
MLOps Schulung Leipzig, MLOps boot camp Leipzig, MLOps Fernschulung Leipzig, MLOps Wochenende Schulung Leipzig, MLOps Abends Schulung Leipzig, MLOps Seminar Leipzig, MLOps Kurs Leipzig, MLOps Seminare Leipzig, MLOps Training Leipzig