Das Modell ist der kleinste Teil des Systems. Die meisten Ausfälle in produktiven ML-Anwendungen kommen aus Daten, Verkabelung und Prozess, nicht aus dem Modell. Dieser Workshop baut das Drumherum: reproduzierbare Läufe, versionierte Modelle, Freigaben mit Kriterien, Rollback und Überwachung. Danach ist ein Modellwechsel ein Deployment und kein Ereignis.
Der Workshop beginnt mit einer Einordnung: Wo steht Ihr Team zwischen manuellem Training, automatisierten Trainingsstrecken und durchgehender Auslieferung? Von dort aus wird die jeweils nächste Stufe gebaut, mit Ihren Modellen und auf Ihrer Infrastruktur. Die Zielarchitektur aus dem Lehrbuch dient dabei als Orientierung, nicht als Vorgabe.
Er richtet sich an Data-Science-, ML- und Plattformteams, deren Modelle den Weg aus dem Notebook in den Betrieb finden sollen. Typische Auslöser sind ein Modell, das seit Monaten nicht in den Betrieb kommt, ein Ergebnis, das sich nicht mehr reproduzieren lässt, ein Modellwechsel, den niemand freigeben will, oder wachsende Nachweispflichten. Vorausgesetzt werden Python-Sicherheit im Team und Zugriff auf die eigene Infrastruktur.
Was der Workshop nicht leistet: Er trainiert keine neuen Modelle und optimiert keine Genauigkeit, sondern bringt vorhandene Modelle in einen kontrollierten Betrieb. Ob Ihre Datenplattform den geplanten Anwendungsfall überhaupt trägt, klärt vorab das Readiness Assessment. Den Betrieb generativer Anwendungen mit Spuren, Evals und Leitplanken behandelt der LLMOps-Workshop: Die Freigabelogik ist verwandt, die Werkzeuge sind es nicht.
Alle Formate: Deutsch & Englisch.
Alle Preise verstehen sich netto zzgl. gesetzlicher Umsatzsteuer. Das Angebot richtet sich ausschließlich an Unternehmer im Sinne des § 14 BGB.
Dr.-Ing. Grigory Devadze. Ich schule MLOps aus Projekten, in denen Modelle über Jahre in Betrieb waren, nicht aus einer Referenzarchitektur.
Schulungen & Projekte u. a. für Siemens AG und SRH Hochschule Berlin. Die Feldpraxis stammt aus mehrjährigen Forschungsvorhaben: Research-Case Predictive Analytics.
→ Profil und Referenzen ansehen
Nein. Der Workshop arbeitet mit dem, was bei Ihnen läuft. Die Prinzipien sind plattformunabhängig, die Umsetzung wird an Ihren Stack angepasst.
Meist nicht. Solange es kein zweites Modellteam gibt, ist ein Feature Store Aufwand ohne Gegenwert. Was Sie in jedem Fall brauchen, sind Datenverträge und punktgenaue Korrektheit der Trainingsdaten.
Ja, besonders dann. Das erste Modell legt die Muster fest, nach denen alle weiteren betrieben werden. Nachträglich Ordnung einzuziehen ist teurer.
Der Workshop behandelt Modellkarten, Artefaktherkunft, Risikoeinstufung und die Frage, wie Nachweise an die Modellversion gebunden werden. Er ersetzt keine Rechtsberatung und keine Konformitätsbewertung.
Freigabe- und Überwachungslogik sind verwandt, die Werkzeuge und Fehlermodi unterscheiden sich. Wer beides betreibt, sollte beides trennen. Den generativen Teil behandelt der LLMOps-Workshop.
Betreiben Sie auch generative Anwendungen? LLMOps-Workshop: LLM-Anwendungen im Betrieb · Auch relevant für Software- und ML-Teams: LLM- und RAG-Schulung: das On-Premise-Lab für Softwareteams
Kurzes Vorgespräch zu Stack, Reifegrad und Zielbild, danach ein konkretes Angebot mit Workshop-Agenda.
Dr.-Ing. Grigory