Dieser umfassende Kurs richtet sich an angehende MLOps-Ingenieure und Datenwissenschaftler, die die Lücke zwischen experimentellen Notebooks und robusten Produktionsumgebungen schließen möchten. Zunächst legen Sie ein solides Fundament in der Modellentwicklung, setzen sich mit den Hardware-Grundlagen von CPUs und GPUs auseinander und erlernen die Feinabstimmung von Hyperparametern. Der Lehrplan führt zügig zu industrietauglichen Experimenten mit MLflow, bei denen Sie in praktischen Übungen lernen, Parameter zu verfolgen, Modellartefakte zu verwalten und die Versionsverwaltung zu steuern.

Die zweite Hälfte des Kurses konzentriert sich auf die praktische Anwendung im Rahmen einer Spezialisierung: den Aufbau einer Deployment-Pipeline für eine Anwendung zur Bearbeitung von Versicherungsansprüchen. Sie sammeln praktische Erfahrungen bei der Generierung synthetischer Daten, der Einrichtung dedizierter MLflow-Server und der Nutzung von BentoML für den hochleistungsfähigen Modellbetrieb. Durch die Erweiterung einer Standard-Flask-Anwendung zur Interaktion mit einer professionellen Serving-Infrastruktur meistern Sie die Kunst der Online-Modellbereitstellung. Dieser Kurs stellt sicher, dass Sie am Ende über das technische Selbstvertrauen verfügen, um Machine-Learning-Modelle in einer live betriebenen Umgebung zu registrieren, bereitzustellen und zu verwalten.