MLOps Grundlagen - Vollzeit - Virtuell

Dieser Kurs richtet sich an DevOps-Engineers und ML Engineers, die den gesamten ML-Lifecycle professionell managen möchten. Sie lernen den MLOps-Lifecycle kennen, arbeiten mit MLflow für Experiment-Tracking, nutzen Model Registry und Versioning und implementieren CI/CD für ML-Pipelines. Monitoring und Drift Detection sorgen für stabile ML-Systeme in Produktion.

• MLOps-Lifecycle verstehen - Von der Datenvorbereitung über Training und Deployment bis zum Monitoring im Produktionsbetrieb
• MLflow für Experiment-Tracking - Experimente loggen, Parameter und Metriken vergleichen, Artefakte speichern
• Model Registry und Versioning - Modell-Versionen verwalten, Staging und Production Stages, Approval-Workflows
• CI/CD für ML-Pipelines - GitHub Actions, GitLab CI und Jenkins für automatisierte ML-Pipelines konfigurieren
• Monitoring und Drift Detection - Data Drift, Concept Drift und Performance-Degradation erkennen und alerting einrichten

• IHK-Bescheinigung