In diesem Modul führen wir Sie in die grundlegenden Konzepte von ML Ops ein und behandeln dabei die Prinzipien, Komponenten sowie die entscheidende Rolle, die ML Ops bei der Verwaltung des Lebenszyklus von Machine-Learning-Modellen spielt.

In diesem Modul beschäftigen wir uns eingehend mit den CI/CD-Prozessen in Google Cloud und zeigen Ihnen, wie Sie Build-, Test- und Bereitstellungsworkflows für Machine-Learning-Modelle und -Anwendungen automatisieren können. Sie sammeln praktische Erfahrungen bei der Bereitstellung von Flask-Anwendungen und der Einrichtung automatisierter Bereitstellungspipelines.

In diesem Modul befassen wir uns mit dem kontinuierlichen Modelltraining mit Cloud Composer und Airflow, wobei der Schwerpunkt auf der Automatisierung des Retraining-Prozesses und dem Umgang mit Fehlerszenarien in Machine-Learning-Workflows liegt. Außerdem lernen Sie, wie Sie Protokollierung, Benachrichtigungen und CI/CD für Modelltrainings-Pipelines implementieren.

In diesem Modul beschäftigen wir uns eingehend mit Vertex AI, der End-to-End-Plattform von Google Cloud für maschinelles Lernen. Sie lernen, wie Sie Modelle mit Vertex AI trainieren, bereitstellen und verwalten, und setzen sich zudem mit automatisierten Vorhersagediensten sowie der CI/CD-Integration auseinander.

In diesem Modul befassen wir uns mit Kubeflow zur Workflow-Orchestrierung und zeigen Ihnen, wie Sie Machine-Learning-Pipelines mithilfe von Vertex AI bereitstellen und verwalten. Sie werden die Hyperparameter-Optimierung umsetzen, mehrere Modelle trainieren und praxisnahe Aufgaben bearbeiten.

In diesem Modul befassen wir uns mit fortgeschrittenen Techniken zur Hyperparameter-Optimierung, zur Erklärbarkeit von Modellen und zur Versionsverwaltung in Vertex AI. Sie sammeln praktische Erfahrungen bei der Bereitstellung und Bewertung von Modellen mit Erklärbarkeitsfunktionen und lernen gleichzeitig, verschiedene Versionen Ihrer Modelle zu verwalten.

In diesem Modul führen wir Sie in die Welt der generativen KI auf Google Cloud ein. Sie lernen das Sprachmodell PaLM 2 von Google kennen, implementieren verschiedene Anwendungen der generativen KI, stellen Modelle auf Cloud Run bereit und arbeiten in praktischen Übungen.