Weiterbildungsmodul
Machine Learning Operations (MLOps)

Machine Learning Operations (MLOps) ist eine funktionsübergreifende Disziplin, die sich auf die Bereitstellung, Prüfung, Überwachung und Automatisierung von Machine Learning-Modellen konzentriert. MLOps hat zum Ziel, das Trainieren, Bereitstellen und Überwachen von Machine Learning Modellen mit Hilfe von Prozessen und Tools zu erleichtern und gleichzeitig sicherzustellen, dass sie zuverlässig, skalierbar und sicher sind. Dies kann Unternehmen dabei helfen, die Entwicklung von Modellen wesentlich zu beschleunigen und gleichzeitig deren Leistung und Zuverlässigkeit zu verbessern.

Dieses Modul vermittelt einen Überblick über die Grundkonzepte von MLOps. Zudem werden methodische Ansätze und Werkzeuge zur manuellen und automatischen Erstellung, Verwaltung, Bereitstellung und Überwachung von Machine Learning-Modellen vermittelt. Teilnehmer_innen lernen darüber hinaus, welche Governance-Aspekte durch MLOps betroffen sind und wie die Qualitätssicherung von betrieblich genutzten Machine Learning-Modellen sichergestellt werden kann.

Weiterbildung Machine Learning Operations MLOps

Präsenztermine

fa fa-calendar-check-o

Gesamtlaufzeit: 14. März 2025 bis 09. Mai 2025

Präsenztermine:

  • Freitag, 14.03. & Samstag, 15.03.2025 (9.00-17.00 Uhr)
  • Freitag, 09.05.2025 (9.00-17.00 Uhr)

Online-Phase im Zeitraum zwischen März und Mai 2025.

Bewerbungsfrist: 23. Februar 2025

Veranstaltungsort:
Hochschule der Medien Stuttgart
Nobelstraße 10, 70569 Stuttgart

Sie haben an diesem Termin keine Zeit?
Merken Sie sich hier unverbindlich
für das nächste Modul vor!

Informationen zum Modul

GRUNDLAGEN:

  • MLOps Aufgabenbereiche und Komponenten
  • Machine Learning-Lebenszyklus
  • Grundlagen und Schnittstellen von ML, DevOps und Data Engineering

TECHNISCHE ASPEKTE

  • Datenerfassung
  • Datenaufteilung (Training-, Validierung- und Testdatensatz)
  • Datentransformation
  • Feature Engineering
  • Modellentwicklung und -optimierung
  • Modellbereitstellung
  • Modellüberwachung
  • Automatisierung mit Pipelines

FACHLICHE UND ORGANISATORISCHE ASPEKTE

  • Qualitätssicherung
  • Governance

SPRACHEN & FRAMEWORKS

  • Python
  • Bash (Shell)
  • TensorFlow Extended (TFX)
  • Kubeflow
  • MLflow
  • Scikit-learn
  • Docker und Kubernetes
  • Apache Airflow
  • MLOps-Lösungen unterschiedlicher Cloud-Anbieter

Dozierender

Prof. Dr. David Klotz
Hochschule der Medien
Lehrgebiete Big Data, Data Engineering, Digitalization, Digital Architecture, Digital Complexity

Beratung und Kontakt

Das Team des Weiterbildungszentrums
der HdM informiert Sie gerne!

Telefon: 0711 8923 3214
E-Mail: weiterbildung@hdm-stuttgart.de

Wir nutzen Cookies auf unserer Website. Einige von ihnen sind essenziell für den Betrieb der Seite, während andere uns helfen, diese Website und die Nutzererfahrung zu verbessern (Tracking Cookies). Sie können selbst entscheiden, ob Sie die Cookies zulassen möchten. Bitte beachten Sie, dass bei einer Ablehnung womöglich nicht mehr alle Funktionalitäten der Seite zur Verfügung stehen.