PickAClass · KI, Technologie & Ingenieurwesen · Generative KI & Deep Learning

MLOps für Generative KI

Konzentrieren Sie sich auf die betrieblichen Herausforderungen bei der Bereitstellung, Überwachung und Wartung großer generativer Modelle. Erfahren Sie mehr über Modellversionierung, Leistungsverfolgung, Kostenmanagement und den Aufbau robuster Produktionspipelines.

38 courses

MLOps für Generative KI

Erstellen Sie einen benutzerdefinierten MCP Server für Ihr SaaS

MCP Grundlagen: Verbinden Sie LLMs mit Ihren Daten und Tools

LLMOps für Anfänger: Tracing, Caching und Token-Management

Model Context Protocol (MCP): Eigene AI-Server erstellen

Grundlagen von LLMOps: LLMs bereitstellen, versionieren und überwachen

Entwicklerleitfaden zum Model Context Protocol (MCP) und KI-Agenten

Bereitstellung von Machine Learning-Modellen mit Python, Flask und MLOps

LLMOps Foundations: Bereitstellung von LLMs mit Jenkins, Docker und Kubernetes

LLMOps und generative KI: Bereitstellung von Produktionsmodellen

Modernes Qualitätsmanagement: Automatisierung, DevOps und KI-gesteuertes Testen

LLM-Bereitstellung und LLMOps: Skalierung von Modellen in der Produktion

Model Context Protocol (MCP): Erstellen von KI-Agenten mit Python und Claude

Entwicklung von KI-Agenten mit Model Context Protocol (MCP)

Modelltests mit TPT: Verifikation für Simulink-Modelle

Grundlagen des maschinellen Lernens in der Produktion und von MLOps

TensorFlow-Datenpipelines und Modellbereitstellung

Entwicklung von Machine Learning-Systemen für die Produktion auf der GCP

Verwalten von Machine Learning-Lebenszyklen mit MLflow

TensorFlow-Modellbereitstellung und -Serving-Strategien

MLOps und Pipeline-Orchestrierung auf der Cloud-Plattform

Überwachung und Beobachtbarkeit von Machine Learning-Modellen

Überwachung von Machine Learning-Modellen mit Python

Grundlagen von LLMOps: Bereitstellen und Verwalten von KI-Modellen

Modernes Machine Learning Engineering: Von den Grundlagen bis zu fortgeschrittenen Modellen