Kubeflow Schulung: MLOps auf Kubernetes umsetzen
Baue reproduzierbare ML-Workflows von Notebook bis KServe-Deployment auf einem Kubernetes-Cluster
- Kubeflow Pipelines produktiv aufbauen
- Notebook-Workspaces bereitstellen
- Experiment Tracking und Artefakte
- 3 Tage
- Fortgeschritten
- 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
- Kubeflow Pipelines produktiv aufbauen
- Notebook-Workspaces bereitstellen
- Experiment Tracking und Artefakte
- Kubeflow Trainer Jobs steuern
- KServe-Deployments integrieren
- CI/CD für ML-Workflows
Passt das zu dir?
Damit du den Tag wirklich mitnimmst, lohnt sich ein kurzer Abgleich.
Richtig für dich, wenn
- Data-Scientists mit Kubernetes-Umfeld
- ML-Engineers für produktive Modellbereitstellung
- Plattform-Engineers mit MLOps-Verantwortung
- DevOps-Teams für ML-Plattformen
Das bringst du mit
- Grundkenntnisse in Kubernetes, Containern und kubectl
- Erfahrung mit Python-basiertem Machine Learning und Git
- Container-Grundlagen, etwa aus dem Linux Container Workshop
Dein Lernweg
Tag 1: Kubeflow-Plattform und Arbeitsumgebungen
Der erste Tag schafft die technische Grundlage für die gemeinsame ML-Plattform im Kubernetes-Cluster.
- Kubeflow-Architektur und zentrale Komponenten
- Namespaces, Service-Accounts und RBAC
- Notebook-Server mit passenden Images
- Datenzugriff über Volumes und Secrets
- Start des durchgängigen ML-Beispiels
Tag 2: Pipelines, Experimente und Trainer-Jobs
Der zweite Tag überführt explorativen Code in reproduzierbare Pipeline-Abläufe mit nachvollziehbaren Ergebnissen.
- Komponentenentwicklung mit Kubeflow Pipelines
- Parameter, Artefakte und Pipeline-Runs
- Caching und wiederholbare Ausführung
- Experiment-Tracking mit Metriken
- TrainJob und Runtime-Ressourcen
Tag 3: KServe, CI/CD und Betriebsmodell
Der dritte Tag verbindet Modellbereitstellung, Automatisierung und Betriebsanforderungen zu einem belastbaren Ablauf.
- KServe InferenceService für Modell-Deployment
- Storage-URIs und Model-Server
- CI/CD für Pipeline-Code und Manifeste
- Fehleranalyse bei Rechten und Artefakten
- Übergabe in Plattformbetrieb und Team-Nutzung
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
- Montag09:00 bis 16:00 Uhr
3 Tage
Kompakt aufgebaut, damit du schnell ins Tun kommst.
max. 8
Kleine Gruppe, damit genug Raum für deine Fragen bleibt.
Das Training kombiniert Trainer-Input, Live-Demos und Hands-on-Labs im vorbereiteten Kubernetes-Cluster.
Ein durchgängiges ML-Szenario führt von Notebook-Exploration über Pipeline-Code bis zum KServe-Deployment. Code-Reviews und gemeinsame Fehleranalyse sichern den Transfer in eigene Plattform-Teams.
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 Kubeflow Schulung: MLOps auf Kubernetes umsetzen
Ist das Seminar ein Kubeflow Pipelines Training?
Ja. Du baust mehrere Pipeline-Komponenten, übergibst Parameter und Artefakte, nutzt Caching und analysierst Pipeline-Runs anhand von Metriken und Metadaten. Der Pipeline-Teil ist der rote Faden der gesamten Schulung.
Wie viel Kubernetes-Wissen wird erwartet?
Grundlagen zu Pods, Deployments, Services, Namespaces und kubectl sollten vorhanden sein. Wenn du diese Basis auffrischen möchtest, passt der Kubernetes-Grundkurs als Vorbereitung.
Wird eine eigene Kubernetes-Infrastruktur benötigt?
Nein. Für die Übungen wird eine vorbereitete Umgebung genutzt. Benötigte Werkzeuge und Zugänge werden im Seminar bereitgestellt, eigene Lizenzen sind für die Lab-Übungen nicht erforderlich.
Welche Machine-Learning-Kenntnisse sind sinnvoll?
Du solltest ein einfaches Python-basiertes Trainingsskript lesen und einordnen. Für einen fachlichen Einstieg in Modelle, Features und Evaluation eignet sich der Python Machine Learning Grundkurs.
Behandelt die Schulung KServe im Deployment?
Ja. Das trainierte Modell wird als KServe InferenceService bereitgestellt. Dabei geht es um Storage-URIs, Model-Server, Deployment-Manifeste und typische Fehlerbilder bei Rechten oder Artefaktpfaden.
Passt die Schulung zu einer bestehenden Kubernetes-Strategie?
Ja. Die Inhalte sind auf Teams ausgelegt, die Kubernetes bereits als Plattform nutzen und Kubeflow als Bindeglied zwischen Data Science, MLOps und Plattformbetrieb einsetzen wollen.
Gibt es eine Cloud-spezifische Vertiefung nach der Kubeflow Schulung?
Wenn MLOps zusätzlich auf AWS umgesetzt werden soll, ist MLOps Engineering on AWS eine passende Fortsetzung. Dort stehen AWS-Services, Automatisierung und Betriebsaspekte im Cloud-Umfeld im Vordergrund.
Passende Schulungen
Kubeflow Schulung: MLOps auf Kubernetes umsetzen
Nächster Termin: 28. September 2026 · Online
ab1.890 €netto