MLOps Engineering on AWS
ML-Modelle auf AWS produktiv betreiben: mit automatisierten Pipelines, Monitoring und SageMaker-Praxis
- AWS MLOps-Pipelines automatisieren
- ML-Modelle mit SageMaker bereitstellen
- Monitoring und Drift-Erkennung umsetzen
- 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
- AWS MLOps-Pipelines automatisieren
- ML-Modelle mit SageMaker bereitstellen
- Monitoring und Drift-Erkennung umsetzen
- CI/CD für ML-Workflows einsetzen
- Sicherheit und Governance berücksichtigen
- Fehlersuche in MLOps-Pipelines
Passt das zu dir?
Damit du den Tag wirklich mitnimmst, lohnt sich ein kurzer Abgleich.
Richtig für dich, wenn
- DevOps-Ingenieurinnen und DevOps-Ingenieure mit Verantwortung für ML-Plattformen, CI/CD und produktive Deployments
- ML-Ingenieurinnen und ML-Ingenieure, die Modelle auf AWS operationalisieren, überwachen und weiterentwickeln
- Data-Platform- und Cloud-Engineers, die skalierbare ML-Workflows mit Amazon SageMaker aufbauen
- Entwicklerinnen, Entwickler und Operations-Teams, die ML-Modelle zuverlässig in produktive Anwendungen integrieren
Das bringst du mit
Für eine erfolgreiche Teilnahme werden praktische AWS- und DevOps-Grundlagen empfohlen. Geeignet sind die folgenden Schulungen oder gleichwertige Projekterfahrung:
- AWS Technical Essentials oder solide Kenntnisse zentraler AWS-Services
- DevOps Engineering on AWS oder Erfahrung mit CI/CD, Automatisierung und Deployment-Prozessen
- Practical Data Science with Amazon SageMaker oder praktische Erfahrung mit Machine-Learning-Workflows
- AWS Überblick für Einsteiger und Entscheider als Einstieg bei grundlegender AWS-Orientierung
Dein Lernweg
Tag 1: MLOps-Grundlagen und ML-Workflow
Der erste Tag führt in Machine Learning Operations ein und ordnet MLOps im Verhältnis zu DevOps ein. Behandelt werden Ziele, Nutzen, typische Herausforderungen, Rollen im ML-Lifecycle und die Übergaben zwischen Data Engineering, Data Science, Entwicklung und Operations.
- Grundlagen und Zielsetzung von MLOps
- Vergleich von DevOps und MLOps
- ML-Arbeitsablauf und MLOps-Workflow
- Kommunikation und Zusammenarbeit im Modell-Lifecycle
- Praxisnahe MLOps-Anwendungsfälle auf AWS
Tag 2: Entwicklung, Automatisierung und SageMaker
Der zweite Tag konzentriert sich auf die Entwicklung und Automatisierung von ML-Prozessen. Im Mittelpunkt stehen Modellaufbau, Training, Bewertung, Sicherheits- und Governance-Aspekte sowie der Einsatz von Amazon SageMaker und Automatisierungswerkzeugen.
- Erstellen, Trainieren und Bewerten von ML-Modellen
- Sicherheit und Governance im MLOps-Prozess
- Automatisierung mit Apache Airflow und Kubernetes
- MLOps-Funktionen von Amazon SageMaker
- Integration eigener Algorithmen in ML-Pipelines
- Demonstration mit AWS CodeBuild
Tag 3: Deployment, Monitoring und Troubleshooting
Der dritte Tag behandelt die produktive Bereitstellung und Überwachung von ML-Modellen. Dazu gehören Modell-Paketierung, Inferenz, Deployment-Strategien, Monitoring mit SageMaker-Funktionen, Drift-Erkennung und die Optimierung fehleranfälliger Pipelines.
- Modell-Paketierung und Inferenz-Szenarien
- Produktionsvarianten, A/B-Tests und Edge-Deployment
- SageMaker Model Monitor, Pipelines, Model Registry und Feature Store
- Erkennung und Bewertung von Abweichungen in Modellkennzahlen
- Reaktionen auf Daten-Drift und Qualitätsprobleme
- Fehlersuche und Optimierung von MLOps-Pipelines
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 17:00 Uhr
3 Tage
Kompakt aufgebaut, damit du schnell ins Tun kommst.
max. 8
Kleine Gruppe, damit genug Raum für deine Fragen bleibt.
- Ausgewogene Kombination aus Theorie, AWS-Demonstrationen, Praxisübungen und fachlicher Diskussion
- Arbeit mit offiziellen AWS-Unterlagen und vorbereiteten Systemumgebungen
- Hands-on Labs zu Automatisierung, Modellbereitstellung, Monitoring und Troubleshooting
- Interaktion mit projekterfahrenen Trainerinnen und Trainern aus AWS-, DevOps- und Machine-Learning-Umfeldern
- Transferorientierte Reflexion typischer MLOps-Herausforderungen aus Unternehmensprojekten
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 MLOps Engineering on AWS
Was ist MLOps auf AWS?
MLOps auf AWS verbindet Machine-Learning-Entwicklung mit DevOps-Praktiken. Ziel ist es, ML-Modelle reproduzierbar zu trainieren, automatisiert bereitzustellen, im Betrieb zu überwachen und bei Abweichungen kontrolliert nachzusteuern. In dieser Schulung stehen dafür Amazon SageMaker, Automatisierung, CI/CD, Modell-Monitoring und Governance im Mittelpunkt.
Ist MLOps Engineering on AWS eine Zertifizierung?
Nein. MLOps Engineering on AWS ist ein dreitägiges Training und keine eigenständige AWS-Zertifizierung. Die Schulung vermittelt jedoch praxisrelevantes Wissen für produktive MLOps-Aufgaben auf AWS und kann als fachlicher Baustein für weiterführende AWS-Lernpfade im Machine-Learning-Umfeld dienen.
Welche AWS-Services werden im MLOps Training behandelt?
Der Schwerpunkt liegt auf Amazon SageMaker und den MLOps-relevanten Funktionen für Pipelines, Model Registry, Feature Store, Model Monitor, Training, Deployment und Inferenz. Ergänzend werden Automatisierung, Code-Build-Prozesse, Sicherheitsaspekte und Orchestrierung mit Werkzeugen wie Apache Airflow und Kubernetes eingeordnet.
Welche Vorkenntnisse sind für den AWS MLOps Course sinnvoll?
Sinnvoll sind solide AWS-Grundlagen, Erfahrung mit DevOps-Praktiken und ein Grundverständnis von Machine-Learning-Workflows. Wenn AWS-Grundlagen noch fehlen, bietet sich vorab der AWS Überblick für Einsteiger und Entscheider an. Für CI/CD-Grundlagen passt ergänzend Continuous Integration und Delivery mit GitLab.
Für wen lohnt sich die MLOps Schulung besonders?
Die Schulung lohnt sich für DevOps-Engineers, ML-Engineers, Data-Platform-Teams und Operations-Verantwortliche, die Machine-Learning-Modelle nicht nur entwickeln, sondern zuverlässig in produktive AWS-Umgebungen überführen und betreiben möchten.
Wie praxisnah ist das AWS MLOps Training?
Das Training kombiniert fachliche Grundlagen mit AWS-Demonstrationen, Hands-on Labs und Diskussionen zu typischen Projektanforderungen. Dadurch entsteht ein direkter Bezug zu realen MLOps-Aufgaben wie Pipeline-Automatisierung, Modellbereitstellung, Monitoring, Fehlersuche und Reaktion auf Daten-Drift.
Welche Rolle spielt Monitoring in MLOps auf AWS?
Monitoring ist zentral, weil ML-Modelle im Betrieb durch veränderte Eingabedaten, Drift oder abweichende Leistungskennzahlen an Qualität verlieren. Die Schulung behandelt unter anderem SageMaker Model Monitor, Kennzahlen, Reaktionsmuster und Troubleshooting. Für vertiefte Observability-Kenntnisse passt ergänzend Monitoring mit Prometheus und Grafana.
Passende Schulungen
MLOps Engineering on AWS
Nächster Termin: 23. November 2026 · Online
ab2.685 €netto