Neem contact met ons op

Cursusaanbod

Introductie tot CI/CD voor AI-workflows

  • Unieke uitdagingen van AI-modelleveringspipelines
  • Vergelijken van traditionele DevOps- en MLOps-processen
  • Kernelementen van geautomatiseerde modelimplementatie

Containeriseren van AI-modellen met Docker

  • Efficiënte Dockerfiles ontwerpen voor ML-inferentie
  • Afhankelijkheden en modelartefacten beheren
  • Beveiligde en geoptimaliseerde images bouwen

Instellen van CI/CD-pipelines

  • Opties voor CI/CD-tools en hun ecosystemen
  • Pipelines bouwen voor automatische modelverpakking
  • Pipelines valideren met geautomatiseerde controles

Testen van AI-modellen in CI

  • Automatiseren van gegevensintegriteitscontroles
  • Unit- en integratietests voor modelservices
  • Prestatie- en regressievalidatie

Geautomatiseerde implementering van Docker-gebaseerde AI-diensten

  • AI-containers implementeren in cloudomgevingen
  • Blue-green- en canary-rollouts implementeren
  • Rolbackstrategieën bij mislukte implementaties

Beheer van modelversies en artefacten

  • Registries gebruiken voor versiebeheer van modellen en containers
  • Tags, handtekeningen en promotie van images
  • Modelupdates coördineren across services

Monitoring en observabiliteit in CI/CD voor AI

  • Pipeline- en modelprestaties bijhouden
  • Meldingen bij mislukte builds of modeldrift
  • Inferentiegedrag in verschillende omgevingen traceren

Schalen van CI/CD-pipelines voor AI-systemen

  • Paralleliseren van builds voor grote modellen
  • Reken- en opslagresources optimaliseren
  • Gedistribueerde en externe runners integreren

Samenvatting en vervolgstappen

Vereisten

  • Begrip van levenscycli van machine learning-modellen
  • Ervaring met Docker-containerisatie
  • Kennis van CI/CD-concepten en pipelines

Doelgroep

  • DevOps-engineers
  • MLOps-teams
  • AI-ops-engineers
 21 Uren

Aantal deelnemers


Prijs per deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën