- Nummer
- mlops
- Leitung
- -
- ECTS
- 3.0
- Anspruchsniveau
- advanced
- Inhaltsübersicht
Machine Learning- und KI-Lösungen werden zunehmend zentral für datengetriebene Entscheidungen in Industrie und Forschung. Dieser Kurs vermittelt die wesentlichen Grundlagen für den produktiven Betrieb von ML-Modellen und KI-Services. Dazu gehören der gesamte ML-Lifecycle, MLOps-Automatisierung, die Integration in Cloud- und Containerumgebungen sowie die Überwachung von Daten- und Modelldrift. Der Kurs zeigt zudem, wie Qualität, Sicherheit und Verantwortlichkeit im Betrieb gewährleistet und wie skalierbare, reproduzierbare ML-Workflows mit modernen Tools aufgebaut werden können.
- Lernziele
Die Studierenden verstehen Zweck und Nutzen von MLOps im produktiven KI-Einsatz.
Sie können grundlegende ML-Workflows planen und in automatisierte Pipelines überführen.
Sie sind fähig, ML-Modelle in containerisierten und cloudbasierten Umgebungen zu betreiben.
Sie können Modell- und Datenqualität im Betrieb überwachen und auf Drift reagieren.
Sie können einfache, verantwortungsbewusste, kosteneffiziente und skalierbare MLOps-Architekturen gestalten.
- Empfohlene Vorkenntnisse
- Developer Operations Foundations (devops)
- Machine Learning (ml)
- Leistungsbewertung
- Erfahrungsnote