Deployment von Machine Learning Services umfasst eine Reihe von Aufgaben - vom Verpacken trainierter Modelle bis zur Skalierung im Betrieb. Wer hier strukturiert vorgeht, schafft die Grundlage für tragfähige ML-Anwendungen. Der Kurs zeigt zentrale Bausteine eines Deployments.

!Kursinhalt

!1. Verpackung trainierter Modelle
*Speicherformate und Versionsführung
*Containerisierung für Servingdienste
*Dokumentation der Schnittstelle

!2. Servingarchitekturen
*Online- und Offline-Inferenz
*REST- und Streaming-Schnittstellen
*Wahl zwischen klassischen und cloudnativen Diensten

!3. Skalierung und Betrieb
*Auslastungsbasierte Skalierung
*Monitoring der Antwortzeiten
*Reaktion auf Lastspitzen

!4. Releaseprozesse für Modelle
*Tests vor Inbetriebnahme
*Stufenweise Auslieferung
*Rollbacks und Versionsumstellungen

!Berufliche Relevanz

*Tragfähige Inbetriebnahme produktiver Modelle
*Reduktion ungeplanter Ausfälle in Anwendungen
*Brücke zwischen ML- und Plattformteams