MLOps auf Azure: Modelle produktiv ausrollen
Vom Notebook zur überwachten Azure-Deployment-Pipeline mit reproduzierbaren Releases und sauberem Betrieb
Die wichtigsten Themen
Azure ML Workspace strukturieren
Model Registry und Versionierung nutzen
CI/CD für Azure MLOps aufsetzen
Online- und Batch-Endpoints deployen
Blue/Green und Canary absichern
Monitoring und Rollback etablieren
Überblick In diesem Seminar baust du eine belastbare MLOps-Grundlage auf Azure auf: von der sauberen Struktur im Azure Machine Learning Workspace über reproduzierbares Training bis zur kontrollierten Bereitstellung als Managed...
In diesem Seminar baust du eine belastbare MLOps-Grundlage auf Azure auf: von der sauberen Struktur im Azure Machine Learning Workspace über reproduzierbares Training bis zur kontrollierten Bereitstellung als Managed Online Endpoint oder Batch Endpoint. Du lernst, wie Modelle versioniert, Artefakte in der Model Registry verwaltet und mit Azure DevOps oder GitHub Actions eine CI/CD-Pipeline aufgebaut werden, die Tests, Registrierung und Deployment nachvollziehbar automatisiert.
Ein Schwerpunkt liegt auf Betriebssicherheit: Monitoring, Logging, Alerting und Release-Strategien wie Blue/Green oder Canary Deployment sorgen dafür, dass Releases nicht im Blindflug ausgerollt werden und bei Bedarf ein schneller Rollback möglich bleibt. Wer Azure MLOps mit fundierten Data-Science-Grundlagen verbinden möchte, findet im DP-100 Training für Azure Data Scientists eine passende fachliche Vorbereitung. Für Teams mit Azure-Databricks-Workloads ist außerdem das Training Machine Learning mit Azure Databricks implementieren eine sinnvolle Ergänzung.
Ideal ist die Schulung, wenn ML-Prototypen zuverlässig in produktive Azure-Umgebungen überführt werden sollen und dabei Nachvollziehbarkeit, Freigabeprozesse, Observability und Betriebsübergaben eine zentrale Rolle spielen.
Die Themen ML-Lebenszyklus von Training bis Monitoring · Übergaben zwischen Data Science und Betrieb · Reproduzierbarkeit von Code und Artefakten · Release-Strategien für ML-Modelle · Workspaces, Compute und Environments...
MLOps-Grundlagen auf Azure
- ML-Lebenszyklus von Training bis Monitoring
- Übergaben zwischen Data Science und Betrieb
- Reproduzierbarkeit von Code und Artefakten
- Release-Strategien für ML-Modelle
Azure Machine Learning Workspace und Assets
- Workspaces, Compute und Environments
- Data Assets und Datastores
- Model Registry und Asset-Versionierung
- Zugriffskonzepte mit Rollen und Identitäten
Training, Packaging und Inferenz
- Standardisierte Trainingsjobs und Outputs
- Konsistente Environments für reproduzierbare Runs
- Scoring-Script und Inferenz-Contract
- Smoke-Tests und Schnittstellentests
CI/CD und kontrollierte Bereitstellung
- Pipeline-Struktur mit Build und Test
- Registrierung und Deployment-Automatisierung
- Secrets, Managed Identity und Freigaben
- Promotion über Dev, Test und Prod
Endpoints, Monitoring und Betrieb
- Managed Online Endpoints mit Traffic-Steuerung
- Batch Endpoints für geplante Inferenz
- Blue/Green und Canary Releases
- Azure Monitor und Model Monitor
- Rollback-Runbooks und Retraining-Trigger
Zielgruppe
- Machine-Learning Engineers und Data Scientists mit Produktivierungsauftrag
- DevOps Engineers für ML-Workloads auf Azure
- Cloud Architects mit Verantwortung für MLOps-Standards
- Engineering Leads für Release-, Betriebs- und Übergabeprozesse
Das lernst du
- Strukturierter Azure Machine Learning Workspace für Training, Registry und Deployment
- Nachvollziehbare CI/CD-Pipeline für Modellregistrierung und Bereitstellung
- Sichere Auswahl zwischen Managed Online Endpoint und Batch Endpoint
- Kontrollierte Releases mit Traffic-Steuerung, Freigaben und Rollback
- Betriebsfähiges Monitoring mit Logging, Alerting und Drift-Bewertung
So arbeiten wir
- Kurze Fachimpulse mit klaren Entscheidungsregeln
- Geführte Hands-on-Übungen in bereitgestellten Azure-Umgebungen
- Mini-Workshops zu Pipeline-Design, Release-Strategien und Runbooks
- Checklisten und Vorlagen für die Übertragung in den Arbeitsalltag
Empfohlene Vorkenntnisse
- Grundverständnis von Machine Learning, Training und Inferenz
- Erste Erfahrung mit Git und CI/CD-Konzepten
- Basiswissen zu Azure-Diensten, Identitäten und Deployments hilfreich
- Für Grundlagen eignet sich das AI-900 Training zu Microsoft Azure AI Fundamentals; für Azure-ML-Workflows das DP-100 Training für Data Scientist Lösungen unter Azure
Dein Fahrplan
Der erste Seminartag legt die Grundlage für produktionsfähige Azure-MLOps-Prozesse. Behandelt werden Lebenszyklus, Artefakte, Rollen, Übergaben und Architekturentscheidungen im Azure Machine Learning Workspace.
- MLOps-Zielbild und Verantwortlichkeiten
- Workspace-Struktur, Compute und Environments
- Data Assets, Datastores und Zugriffskonzepte
- Model Registry und Versionierung
- Standardisierte Trainingsjobs und reproduzierbare Outputs
- Scoring-Script, Inferenz-Contract und Tests
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
9:00-16:00 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
Vor Ort
Online
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 MLOps auf Azure: Modelle produktiv ausrollen
Brauche ich eine eigene Azure-Subscription oder Lizenzen?
Nein. Geräte, VMs und Software werden dir, falls erforderlich, zur Verfügung gestellt. Eine eigene Azure-Subscription oder zusätzliche Lizenz ist für die Teilnahme nicht notwendig.
Welche CI/CD-Tools werden in der Schulung behandelt?
Die Schulung zeigt die Konzepte und eine umsetzbare Pipeline-Struktur wahlweise mit Azure DevOps oder GitHub Actions. Im Mittelpunkt stehen Tests, Registrierung, Deployment, Freigaben und Nachvollziehbarkeit für Azure MLOps.
Geht es stärker um Modelltraining oder um den produktiven Betrieb?
Beides wird behandelt, der Schwerpunkt liegt jedoch auf dem Weg in den Betrieb: reproduzierbares Training, Packaging, Deployment, Monitoring, Release-Strategien und Rollback. Für eine breitere Azure-AI-Entwicklung passt ergänzend das AI-102 Training zum Entwurf und Implementieren einer Azure AI Lösung.
Ist das Training für Einsteigerinnen und Einsteiger geeignet?
Ja, wenn die Grundlagen von Machine Learning bekannt sind und Begriffe wie Training, Inferenz, Modellartefakt und Deployment eingeordnet werden können. Azure-Vorkenntnisse sind hilfreich, aber keine zwingende Voraussetzung.
Werden Online Endpoints und Batch Endpoints beide behandelt?
Ja. Managed Online Endpoints werden für Echtzeit-Inferenz betrachtet, Batch Endpoints für geplante oder datengetriebene Inferenzläufe. Dazu gehören Skalierung, Traffic-Steuerung, Tests und Rollback-Überlegungen.
Gibt es eine passende Alternative für AWS-Umgebungen?
Ja. Wenn MLOps nicht auf Azure, sondern auf AWS umgesetzt werden soll, ist das Training MLOps Engineering on AWS die thematisch passende Alternative.
Weitere häufig gestellte Fragen und Antworten findest du in den FAQs.
Ähnliche Kurse
DP-3014 Training: Implementieren einer Machine Learning-Lösung mit Azure Databricks (DP-3014-A)
Hybrid Cloud für sensible KI-Daten: No Excuses
AI-3003 Training: Entwickeln von Lösungen für die Verarbeitung natürlicher Sprache mit Azure KI Services
Vektordatenbanken in der Cloud: Pinecone, Weaviate und Co
AB-620: Entwerfen und Erstellen integrierter KI-Agent-Lösungen in Copilot Studio (AB-620T00)
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
