MLflow 3 Schulung: GenAI Observability für LLMs
MLflow 3 Training für Tracking, Evaluation, Prompt-Versionierung und belastbare Deployment-Workflows
Die wichtigsten Themen
MLflow 3 Tracking sicher einrichten
GenAI-Tracing für LLM-Workflows
Prompt-Versionen sauber verwalten
Evaluation mit Scorern und Metriken
Model Registry für Releases nutzen
Monitoring-Workflows für Betrieb
Überblick In dieser MLflow 3 Schulung baust du einen durchgängigen Workflow für ML- und LLM-Projekte auf: Tracking-Server, Experimentstruktur, Artefaktablage, Model Registry, MLflow Models und Evaluation. Du protokollierst...
In dieser MLflow 3 Schulung baust du einen durchgängigen Workflow für ML- und LLM-Projekte auf: Tracking-Server, Experimentstruktur, Artefaktablage, Model Registry, MLflow Models und Evaluation. Du protokollierst Parameter, Metriken, Datasets und Artefakte, vergleichst Runs und dokumentierst Modellversionen mit Aliassen und Tags. Für GenAI-Anwendungen nutzt du MLflow Tracing, um LLM-Aufrufe, RAG-Schritte und Tool-Aufrufe als Spans auszuwerten. Prompt-Versionen verwaltest du in der MLflow Prompt Registry, verknüpfst Varianten mit Evaluationsläufen und leitest Freigaben für Testumgebungen ab. Die Labs arbeiten mit Repository-Layout, gespeicherten Artefakten und Review-Schritten, damit du das Muster in GenAI-Teams übernehmen kannst.
Die Themen MLflow Tracking-Server und Repository-Struktur · Backend-Store und zentrale Artefaktablage · Experimentstruktur für Teamarbeit · Autologging und manuelles Logging · Run-Metadaten und Metriken...
Plattform-Setup für MLflow 3
- MLflow Tracking-Server und Repository-Struktur
- Backend-Store und zentrale Artefaktablage
- Experimentstruktur für Teamarbeit
- Autologging und manuelles Logging
Experiment-Tracking und Reproduzierbarkeit
- Run-Metadaten und Metriken
- Dataset-Logging für Reproduzierbarkeit
- Model Signatures und Input Examples
- Vergleich von Experimentläufen
Model Registry und Deployment-Workflows
- Modellversionen mit Aliassen
- Freigaben über Tags und Aliasse
- MLflow Models für Serving
- Containerisierte Deployment-Pipelines
GenAI Observability mit Tracing
- Trace-Spans für LLM-Aufrufe
- RAG-Abläufe in Trace-Ansichten
- Fehleranalyse bei Tool-Aufrufen
- Kosten- und Latenzmetriken
Prompt Management mit MLflow
- Prompt-Versionen in der Prompt Registry
- Prompt-Vergleich über Experimente
- Variantenfreigabe für Testumgebungen
- Artefaktablage für Prompt-Sets
Evaluation und Betriebssignale
- mlflow.evaluate für klassische Modelle
- GenAI-Scorer für Antwortqualität
- Baseline-Vergleich mit Referenzdaten
- Betriebssignale aus Traces und Runs
Wer hier richtig ist
- Data-Scientistinnen, Data-Scientists und ML-Engineers mit Python-Erfahrung
- MLOps-Engineers, Plattform-Teams und DevOps-Fachkräfte im KI-Betrieb
- LLM-Entwicklerinnen und LLM-Entwickler mit Bedarf an Trace- und Evaluationsdaten
- Für alle, die MLflow 3 in reproduzierbaren GenAI- und ML-Workflows einsetzen möchten
Das lernst du
- Reproduzierbare MLflow-Experimente mit Run-Metadaten und Artefakten aufsetzen
- GenAI-Traces für LLM-Calls und RAG-Abläufe auswerten
- Prompt-Versionen mit MLflow nachvollziehbar verwalten
- Model Registry als Übergabe in Release-Workflows nutzen
- Evaluations- und Monitoring-Daten in Betriebsentscheidungen einbringen
So arbeiten wir
Das Training verbindet technische Einordnung, Live-Demos und geführte Hands-on-Labs in einer vorbereiteten MLflow-Umgebung.
- Reproduzierbare Übungen mit ML- und LLM-Beispielen
- Review von Traces und Evaluationsläufen
- Gruppenarbeit an Deployment- und Monitoring-Patterns
- Transfer auf eigene Betriebs- und Teamstrukturen
Empfohlene Vorkenntnisse
- Sichere Python-Grundlagen und Erfahrung mit ML- oder LLM-Projekten
- Grundverständnis von Git-Workflows, APIs und containerisierten Anwendungen hilfreich
Dein Fahrplan
Der Einstieg schafft eine lauffähige MLflow-Umgebung und ein gemeinsames Arbeitsmodell für Experimente.
- Setup von Tracking-Server und Stores
- Runs mit Metadaten und Artefakten
- Autologging und manuelles Logging
- Vergleich von Experimentläufen im UI
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 MLflow 3 Schulung: GenAI Observability für LLMs
Ist das MLflow 3 Training für Einsteiger geeignet?
Ja, wenn bereits Python-Erfahrung und ein Grundverständnis für ML- oder LLM-Workflows vorhanden sind. Das Training startet mit einem geführten MLflow-Setup und führt dann in Tracking, Registry, Tracing und Evaluation.
Welche Labs werden umgesetzt?
Die Labs bilden typische Projektabläufe ab: ein ML-Modell mit Tracking und Registry, eine LLM-Anwendung mit GenAI-Tracing, ein Prompt-Update mit Evaluation und ein Deployment-Workflow mit Monitoring-Signalen.
Brauche ich eigene Lizenzen oder Cloud-Zugänge?
Nein. Die benötigte Umgebung wird bereitgestellt. Falls eigene Beispiele diskutiert werden, erfolgt das auf Konzept- oder Code-Struktur-Ebene.
Wie tief geht Prompt Management MLflow?
Du versionierst Prompt-Varianten, verbindest sie mit Experimentläufen und bewertest Antworten über definierte Scorer. Der Schwerpunkt liegt auf nachvollziehbaren Änderungen und belastbaren Reviews vor einem Release.
Welche Schulung passt danach?
Wenn der MLflow-Workflow anschließend in AWS integriert wird, ergänzt MLOps Engineering on AWS die Schulung um Cloud-spezifische Architektur- und Betriebsentscheidungen.
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.
NOCH FRAGEN?
Rufe mich an oder schreibe mir eine E-Mail.
Michaela Berger
Über 20.000 Unternehmen und Behörden vertrauen auf uns
