Cloud-native KI auf AWS und Azure: Ready für Production
Baue, deploye und betreibe ML-Workloads mit MLOps, Security und Kostenkontrolle in AWS und Microsoft Azure.
- AWS/Azure-Service-Mapping
- Inference-APIs produktionsreif entwerfen
- Container-Deployments für ML-Workloads
- 2 Tage
- Grundlagen
- Online
- Zufriedenheitsgarantie Risikofrei für dich
- Online Live per Videokonferenz
- max. 8 Teilnehmerinnen und Teilnehmer pro Gruppe
- Keine Vorkasse Rechnung nach dem Seminar
Das nimmst du mit
- AWS/Azure-Service-Mapping
- Inference-APIs produktionsreif entwerfen
- Container-Deployments für ML-Workloads
- MLOps mit Registry und CI/CD-Gates
- Security mit IAM/RBAC und Secrets
- Drift Monitoring und Kostenkontrolle
Passt das zu dir?
Damit du den Tag wirklich mitnimmst, lohnt sich ein kurzer Abgleich.
Richtig für dich, wenn
- Softwareentwicklerinnen und Softwareentwickler, die ML-Modelle als APIs bereitstellen
- Data Scientists mit produktiven Deployments in AWS oder Azure
- ML Engineers und DevOps Engineers mit Verantwortung für Deployment und Betrieb
- IT-Architektinnen und IT-Architekten, die Cloud-native KI-Architekturen bewerten
Das bringst du mit
- Grundverständnis von Cloud-Konzepten wie IAM/Rollen, Storage und Netzwerk
- Erste Erfahrung mit Machine-Learning-Begriffen wie Training, Inferenz und Modell
- Grundlagen zu Containern, zum Beispiel aus dem Linux Container Workshop
- Für Azure-Einsteigerinnen und Azure-Einsteiger ist AI-900 Microsoft Azure AI Fundamentals als Vorwissen hilfreich
Dein Lernweg
Tag 1: Architektur, Services und Deployment
Der erste Seminartag legt die technische Basis für produktive KI-Workloads in AWS und Azure. Die Teilnehmer ordnen zentrale Cloud-Bausteine ein und übertragen einen Modell-Prototyp in ein belastbares Deployment-Muster.
- Vom Notebook zur produktiven Lösung
- Komponenten, Datenflüsse und Latenz
- Training, Inferenz und Skalierung
- AWS/Azure-Service-Mapping für ML-Plattformen
- Container, Storage und Eventing
- Inference-API und Endpoint-Optionen
- Batch-Inferenz und Real-time-Inferenz
Tag 2: MLOps, Security und Betrieb
Der zweite Seminartag behandelt die Betriebsfähigkeit von ML-Workloads. Im Mittelpunkt stehen nachvollziehbare Releases, abgesicherte Cloud-Umgebungen, Observability und Kostensteuerung für produktive KI-Systeme.
- Experiment-Tracking und Model Registry
- Artefakte, Versionierung und Freigaben
- CI/CD-Pipelines und Pipeline-Gates
- IAM/RBAC, Secrets und Netzwerk-Isolation
- Verschlüsselung und Datenzugriff
- Observability, Drift und Modellqualität
- SLOs, Runbooks und Kostenhebel
Klarheit von Anfang an
Format, Ablauf und alles, was schon enthalten ist. Keine Überraschungen, nur Fokus auf dein Ergebnis.
- Live-OnlineInteraktiv per Videokonferenz, von überall
2 Tage
Kompakt aufgebaut, damit du schnell ins Tun kommst.
max. 8
Kleine Gruppe, damit genug Raum für deine Fragen bleibt.
- Trainer-Input mit Architektur- und Entscheidungsleitfäden
- Geführte Praxisübungen in bereitgestellten Cloud-Umgebungen
- Mini-Workshops: Service-Mapping AWS vs. Azure, Deployment-Entscheidungen
- Checklisten für Betrieb, Security und Kostenkontrolle
Das ist immer dabei
- Ausführliche Schulungsunterlagen und Praxisbeispiele
- Teilnahmezertifikat
- Übungsumgebungen und Beispieldaten
- Nachbetreuung per E-Mail nach dem Seminar
Sichere dir deinen Platz
Wähle den Termin, der zu dir passt. Online live dabei oder vor Ort, ganz wie es für dich passt.
- Erfahrene IT-Trainer aus der Praxis
- Keine Vorkasse, Rechnung nach dem Seminar
- Kostenfreie Umbuchung bis 14 Tage vor Start
Lieber das ganze Team?
Bring dieses Seminar zu euch ins Haus oder lass uns ein Programm bauen, das genau auf euer Unternehmen passt.
Inhouse-Schulung
Wir kommen zu dir und schulen dein Team genau auf eure Praxis.
- Komplett auf eure Use-Cases und Tools zugeschnitten
- Termin und Ort bestimmst du, vor Ort oder Live-Online
- Ein fester Pauschalpreis statt Preis pro Person
Firmen-Seminar
Ein individuelles Programm, das wir auf eure Ziele zuschneiden.
- Frei kombinierbare Module aus unserem Themenkatalog
- Skalierbar von der Kleingruppe bis zur ganzen Belegschaft
- Begleitung über mehrere Termine hinweg möglich
Deine IT-Schulungen München-Expertinnen und -Experten
Du hast Fragen zu Inhalten, Terminen oder einer passenden Lösung für dein Team? Wir beraten dich gern, bevor du buchst. Direkt, ohne Umwege.
Antwort in der Regel am selben Werktag
Dein cmt-Team München
Beratung zu IT-Weiterbildung
Fragen und Antworten zu Cloud-native KI auf AWS und Azure: Ready für Production
Brauche ich ein eigenes AWS- oder Azure-Konto?
Nein. Falls für Übungen erforderlich, werden passende Umgebungen bereitgestellt. Eigene Lizenzen, Cloud-Abonnements oder Notebooks sind für die Teilnahme nicht notwendig.
Geht es um GenAI oder klassisches Machine Learning?
Der Schwerpunkt liegt auf dem cloud-nativen Bereitstellen und Betreiben von ML-Workloads. Die Muster gelten auch für GenAI-Inferenz, ohne dass das Training auf ein einzelnes Modell oder einen bestimmten Anbieter festgelegt ist.
Lerne ich konkrete Services oder eher Architekturprinzipien?
Beides: Das Seminar liefert ein klares Service-Mapping für AWS und Azure und verbindet es mit Architektur- und Betriebsprinzipien. Dadurch lassen sich Entscheidungen auf eigene Plattformen, Teams und Governance-Vorgaben übertragen.
Ist das ein Programmierkurs?
Nein, das Training ist nicht als reiner Coding-Kurs angelegt. Es gibt Arbeit an Deployments, Schnittstellen und Entscheidungsstrukturen, im Mittelpunkt stehen jedoch Architektur, MLOps-Abläufe und Betriebsfähigkeit.
Welche Vorkenntnisse helfen bei Azure Machine Learning?
Hilfreich sind Grundlagen zu Azure AI Services und Machine-Learning-Begriffen. Wer stärker in Azure einsteigen möchte, kann vorher DP-100 Entwerfen und Implementieren einer Data Scientist Lösung unter Azure oder AI-102 Entwurf und Implementieren einer Azure AI Lösung besuchen.
Welche AWS-Themen werden im Training behandelt?
Das Seminar ordnet zentrale AWS-Bausteine für KI-Workloads ein, darunter Amazon SageMaker AI, Container-Services, Storage, Messaging, Security und Monitoring. Für eine stärkere Data-Science-Vertiefung auf AWS passt ergänzend Practical Data Science mit Amazon SageMaker.
Passende Schulungen
Cloud-native KI auf AWS und Azure: Ready für...
Nächster Termin: 07. Dezember 2026 · Online
ab1.450 €netto