Containerisierung ist mehr als nur ein Tool zur Bereitstellung – sie ist das Rückgrat zuverlässiger, skalierbarer Machine-Learning-Systeme. In diesem Kurs für Fortgeschrittene lernen Sie, wie Sie ML-Modelle mithilfe von Docker und Kubernetes verpacken, bereitstellen und verwalten. Zunächst untersuchen Sie, warum Containerisierung wichtig ist – wie sie Reproduzierbarkeit und Stabilität über verschiedene Umgebungen hinweg gewährleistet. Anschließend widmen Sie sich der Orchestrierung und lernen, wie Kubernetes die Bereitstellung, Skalierung und Überwachung von Anwendungen in der Praxis automatisiert.

Anhand prägnanter Videos, empfohlener Lektüre und eines praktischen Projekts erstellen Sie eine Dockerfile, veröffentlichen Ihr Image in einer internen Registry und stellen es mithilfe einer Kubernetes-Konfigurationsdatei in einem Cluster bereit. Außerdem üben Sie das Testen und die Reflexion Ihres Bereitstellungsprozesses, um Ihre operative Denkweise zu stärken. Am Ende sind Sie in der Lage, containerisierte ML-Anwendungen sicher zu erstellen, bereitzustellen und zu verwalten – Fähigkeiten, die für Ingenieure, Datenwissenschaftler und alle, die KI-Modelle in die Produktion bringen, unverzichtbar sind.