Verhindern Sie, dass manuelle Bereitstellungen Engpässe verursachen und Risiken mit sich bringen. „ML-Modelle automatisieren, bewerten und sicher bereitstellen“ ist ein praxisorientierter Kurs für ML-Ingenieure und Datenwissenschaftler, die bereit sind, MLOps auf Produktionsniveau zu meistern. Sie werden über das bloße Streben nach einfachen Genauigkeitswerten hinausgehen und lernen, fundierte, datengestützte Entscheidungen zu treffen, indem Sie Hyperparameter-Optimierungstests aus Optuna analysieren und dabei die technische Leistung fachkundig mit kritischen geschäftlichen KPIs wie Inferenzkosten und Latenz in Einklang bringen.

Im CORE dieses Kurses steht der Aufbau einer vollständigen CI/CD-Pipeline von Grund auf mithilfe von GitHub Actions. Sie integrieren MLflow für eine durchgängige Experimentverfolgung und Reproduzierbarkeit und implementieren entscheidende Validierungsschritte, die automatisch verhindern, dass leistungsschwache Modelle jemals in die Produktion gelangen. Am Ende dieses Kurses verfügen Sie über ein portfoliofähiges Projekt, das belegt, dass Sie zuverlässige, automatisierte und skalierbare Machine-Learning-Systeme souverän aufbauen, verwalten und bereitstellen können und damit die entscheidende Lücke zwischen Experimentieren und praktischem Nutzen schließen. Nach Abschluss des Kurses werden die Teilnehmer dazu ermutigt, ihr Fachwissen mit der „MLOps-Spezialisierung“ zu vertiefen oder fortgeschrittene Modelltechniken in der „Deep-Learning-Spezialisierung“ zu erkunden.