Machine Learning Engineers arbeiten häufig mit Modell-Hubs, die vortrainierte Modelle zentral bereitstellen. Der strukturierte Umgang mit solchen Plattformen beschleunigt Entwicklung und Produktion.

!Kursinhalt

!1. Aufbau und Rolle von Modell-Hubs
*Funktionen typischer Plattformen
*Abgrenzung zu internen Registries
*rechtliche und lizenzrechtliche Aspekte

!2. Auswahl geeigneter Modelle
*Kriterien für Modellwahl
*Prüfung der Modellkarten
*Vergleich konkurrierender Modelle

!3. Anpassung und Integration
*Feinjustierung auf eigene Daten
*Einbindung in Pipelines
*Umgang mit Abhängigkeiten

!4. Betrieb und Versionierung
*Aktualisierung veröffentlichter Modelle
*Monitoring im laufenden Betrieb
*Dokumentation und Nachverfolgbarkeit

!Berufliche Relevanz

*Modell-Hubs verkürzen die Entwicklungszeit erheblich
*strukturierte Auswahl verhindert Fehlentscheidungen
*Versionierung ist für den verlässlichen Betrieb entscheidend