Im Arbeitsalltag von ML-Teams nimmt die Automatisierung von Pipelines eine zentrale Rolle ein, weil sie Reproduzierbarkeit, Geschwindigkeit und Stabilität verbindet. Wer hier strukturiert arbeitet, befreit sich von wiederkehrenden manuellen Schritten. Der Kurs zeigt das systematische Vorgehen.

!Kursinhalt

!1. Strukturierung von ML Pipelines
*Datenaufnahme, Vorverarbeitung und Training
*Bewertung und Registrierung von Modellen
*Auslieferung in Produktivumgebungen

!2. Werkzeuge zur Automatisierung
*Workflow-Engines wie Kubeflow oder Airflow
*Spezialisierte ML-Plattformen
*CI/CD-Werkzeuge im ML-Kontext

!3. Reproduzierbarkeit als Leitprinzip
*Versionierung von Daten, Code und Modellen
*Saubere Konfigurationen
*Logging entscheidender Schritte

!4. Pflege und Weiterentwicklung
*Anpassung an neue Anforderungen
*Beobachtung von Laufzeiten und Kosten
*Erweiterung um neue Modelle

!Berufliche Relevanz

*Schnellere Entwicklung neuer Modelle
*Stabilere Inbetriebnahme im laufenden Betrieb
*Schlüsselrolle in modernen ML-Organisationen