Grundlagen von MLOps: Automatisierung im ML-Projekt

In diesem Workshop lernen die Teilnehmenden die Grundlagen von MLOps kennen – dem Zusammenspiel von Machine Learning, Softwareentwicklung und IT-Betrieb. Anhand praxisnaher Beispiele werden typische Herausforderungen im Lebenszyklus von ML-Modellen beleuchtet: von der Entwicklung über das Training bis hin zum produktiven Einsatz und Monitoring.

Ziel ist es, ein Verständnis dafür zu entwickeln, wie ML-Prozesse automatisiert, reproduzierbar und skalierbar gestaltet werden können. Zusätzlich wird ein Überblick über gängige Tools wie MLflow, Docker und CI/CD-Pipelines gegeben.

Am Ende sind die Teilnehmenden in der Lage, erste eigene MLOps-Workflows zu konzipieren und umzusetzen.

Vorkenntnisse

Der Workshop richtet sich an Interessierte mit Grundkenntnissen in Machine Learning und Python.

Lernziele

• Die Teilnehmenden verstehen den Lebenszyklus von ML-Modellen und die zentralen Konzepte von MLOps.
  
• Sie lernen, wie sich Machine-Learning-Prozesse automatisieren, versionieren und reproduzierbar gestalten lassen.
  
• Zudem erhalten sie einen Überblick über gängige Tools und können einfache MLOps-Workflows selbstständig konzipieren und umsetzen.