Kubeflow Schulung: MLOps auf Kubernetes umsetzen
Baue reproduzierbare ML-Workflows von Notebook bis KServe-Deployment auf einem Kubernetes-Cluster
Die wichtigsten Themen
Kubeflow Pipelines produktiv aufbauen
Notebook-Workspaces bereitstellen
Experiment Tracking und Artefakte
Training Jobs auf Kubernetes steuern
KServe-Deployments integrieren
CI/CD für ML-Workflows
Überblick Diese Kubeflow Schulung führt dich von einem einzelnen Notebook zu einem reproduzierbaren ML-Workflow auf Kubernetes. Im Übungscluster richtest du Kubeflow Notebooks, Namespaces, Service-Accounts und RBAC ein. Das...
Diese Kubeflow Schulung führt dich von einem einzelnen Notebook zu einem reproduzierbaren ML-Workflow auf Kubernetes. Im Übungscluster richtest du Kubeflow Notebooks, Namespaces, Service-Accounts und RBAC ein. Das Praxisbeispiel bereitet Rohdaten auf, trainiert ein Python-Modell, speichert Modellartefakte mit Versionsbezug und stellt eine freigegebene Modellversion über KServe bereit.
Im Kubeflow Pipelines Training erstellst du Pipeline-Komponenten mit Python-DSL, steuerst Runs über Parameter und prüfst Caching sowie Artefaktpfade. Der MLOps-Kubernetes-Kurs behandelt Container-Images für Pipeline-Schritte, Secrets, persistente Volumes und CI/CD für Pipeline-Code. Für den Einstieg in die Kubernetes-Basis eignet sich der Kubernetes-Grundkurs.
Die Themen Kubeflow-Komponenten im Kubernetes-Cluster · Namespaces für getrennte ML-Teams · RBAC-Rollen und Service-Accounts · Secret-Verwaltung für geschützte Zugriffe · Kubeflow Notebooks mit JupyterLab...
Kubeflow-Architektur auf Kubernetes
- Kubeflow-Komponenten im Kubernetes-Cluster
- Namespaces für getrennte ML-Teams
- RBAC-Rollen und Service-Accounts
- Secret-Verwaltung für geschützte Zugriffe
Notebook-Umgebungen und Arbeitsabläufe
- Kubeflow Notebooks mit JupyterLab
- Container-Images für Notebook-Server
- Persistente Volumes für Trainingsdaten
- Datenzugriff aus Notebook-Umgebungen
Kubeflow Pipelines Training
- Komponenten mit Python-DSL
- Parameterisierte Pipeline-Runs
- Caching und reproduzierbare Ausführungen
- Artefakte und Modellversionen
Training-Jobs und Experiment-Tracking
- Kubeflow Training Operator
- PyTorchJob- und TFJob-Ressourcen
- Metriken pro Pipeline-Run
- ML Metadata für Run-Historien
CI/CD und Zugriffssteuerung
- Git-basierte Änderungen an Pipeline-Code
- Container-Builds für Pipeline-Komponenten
- CI/CD für Container-Images
- GitOps für Deployment-Manifeste
Modellbereitstellung mit KServe
- InferenceService-Ressourcen in KServe
- Storage-URIs für Modellartefakte
- Deployment-Manifeste für Inferenzdienste
- Fehleranalyse bei Serving-Problemen
Zielgruppe
- Data-Scientists mit Kubernetes-Umfeld
- ML-Engineers für produktive Modellbereitstellung
- Plattform-Engineers mit MLOps-Verantwortung
- DevOps-Teams für ML-Plattformen
Das lernst du
- Reproduzierbare ML-Pipelines mit Kubeflow Pipelines erstellen
- Notebook-Umgebungen für Teams auf Kubernetes bereitstellen
- Training Jobs mit Artefakten und Metriken nachvollziehbar ausführen
- KServe-Deployments in einen CI/CD-Ablauf einbinden
- RBAC, Namespaces und Service-Accounts sicher einordnen
So arbeiten wir
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.
Empfohlene Vorkenntnisse
- Grundkenntnisse in Kubernetes, Containern und kubectl
- Erfahrung mit Python-basiertem Machine Learning und Git
Dein Fahrplan
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
Organisatorisches
Lernformate
Unsere Seminare bieten dir maximale Flexibilität: Du kannst zwischen Live-Online und Vor Ort in unseren modernen Schulungszentren im D-A-CH Raum wählen. Beide Formate garantieren dir die gleiche hohe Qualität und interaktive Lernerfahrung.
Schulungsarten
Wir bieten dir verschiedene Schulungsarten: Offene Seminare, Firmenseminare für Teams und Inhouse-Schulungen direkt bei dir vor Ort. So findest du genau das Format, das zu deinen Bedürfnissen passt.
Uhrzeiten
09:00-16:00 Uhr
Aktuelle Software
In unseren offenen Kursen arbeiten wir mit der aktuellsten Software-Version. So lernst du direkt mit den Tools und Features, die du auch in deinem Arbeitsalltag verwendest - praxisnah und zukunftsorientiert. Bei Inhouse- und Firmenschulungen bestimmt ihr die Version.
Deine Vorteile
Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Inklusivleistungen
Deine Teilnahme beinhaltet: Schulungsmaterial, Zertifikat, Verpflegung (bei Präsenzveranstaltungen) und persönliche Betreuung durch unsere Trainer und unser Orga-Team. Alles aus einer Hand - keine versteckten Kosten.
Lernen von Experten
Unsere Trainer sind zertifizierte und erfahrene Profis mit jahrelanger Berufserfahrung. Sie vermitteln dir in den Kursen nicht nur theoretisches Wissen, sondern teilen ihre Erfahrungen aus realen Projekten und helfen dir, das Gelernte direkt in deiner täglichen Arbeit anzuwenden. Das ist kein Werbeversprechen, sondern unser Anspruch. Am besten siehst du das in unseren Bewertungen, z.B. auch bei Google.
Keine Vorkasse
Du zahlst erst nach dem Seminar. Keine Vorkasse, keine Vorauszahlung - so kannst du sicher sein, dass du nur für das bezahlst, was du auch wirklich erhalten hast. Die Rechnung erhältst du erst nach Kursbeginn.
Max. 8 Teilnehmende
Wir setzen auf kleine Gruppen, damit du die Aufmerksamkeit bekommst, die du verdienst. So haben wir mehr Zeit für deine individuellen Fragen und können gezielt auf deine Bedürfnisse eingehen.
Termine & Buchung
Leider haben wir aktuell keine Termine geplant. Es wird wahrscheinlich bei uns etwas schief gelaufen sein - bitte kontaktiere uns und wir finden den passenden Termin.
Nicht der passende Termin dabei?
Wir finden eine Lösung: anderer Termin, mehrere Teilnehmer, Inhouse-Schulung oder individuelle Beratung.
Lieber gleich das ganze Team schulen?
Diese Schulung gibt es auch exklusiv für dein Unternehmen, bei euch vor Ort, an unseren Standorten oder Live-Online. Inhalte und Termine nach Maß.
Inhouse-Schulung
Wir kommen zu euch: diese Schulung maßgeschneidert in euren Räumen, für Unternehmen und Behörden.
- Inhalte exakt auf euch zugeschnitten
- Termine nach euren Bedürfnissen
- Günstiger ab mehreren Teilnehmern
- Vertraute Umgebung, kein Reiseaufwand
Firmen-Seminar
Exklusiv für dein Team an einem unserer Standorte oder Live-Online, individuell angepasst.
- Geschlossene Gruppe aus eurem Haus
- Individuelle Terminplanung
- An unseren Standorten oder Live-Online
- Angepasste Inhalte
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-Manifests 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.
Weitere häufig gestellte Fragen und Antworten findest du in den FAQs .
Unser Qualitätsversprechen: Wissen, das in der Praxis funktioniert
Aus der Praxis für die Praxis
Schluss mit theoretischem Ballast. Wir trainieren dich für reale IT-Herausforderungen, nicht für Multiple-Choice-Tests. Unsere Trainer vermitteln dir genau das Wissen, das am nächsten Montagmorgen im Job wirklich funktioniert.
Individuell statt "Schema F"
Deine Fragen passen nicht ins Standard-Skript? Bei uns schon. Wir verzichten auf starre Lehrpläne und geben deinen konkreten Projekt-Fragen Raum. Unsere Trainer passen die Inhalte flexibel an das an, was dich und dein Team aktuell weiterbringt.
Maximale Freiheit: Remote oder vor Ort
Lerne so, wie es in deinen Alltag passt - ohne Reise-Stress und Zeitverlust. Egal ob remote, hybrid oder präsent vor Ort: Wir garantieren dir ein nahtloses und effektives Lernerlebnis, egal von wo du dich zuschaltest.
Mit Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt - und wollen, dass du es auch bist. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Über 20.000 Unternehmen und Behörden vertrauen auf uns
