Machine Learning & Predictive Analytics
Vertex AI: ML-Pipelines, die wirklich laufen
ML-Workflows von BigQuery bis Monitoring in Google Vertex AI stabil planen, automatisieren und betreiben
- Dauer
- 3 Tage
- Format
- Präsenz oder Live-Online
- Preis
- 1.450 € netto
- Uhrzeiten
- 9:00-16:00 Uhr
- Gruppe
- max. 8 Personen
- Niveau
- Advanced
- Kursnummer
- KKC_0170
Aktuelle Termine und Online-Buchung: www.cmt.de/seminare/vertex-ai-ml
Vertex AI: ML-Pipelines, die wirklich laufen
ML-Workflows von BigQuery bis Monitoring in Google Vertex AI stabil planen, automatisieren und betreiben
Die wichtigsten Themen
Vertex AI Setup mit IAM
BigQuery und GCS als Datenbasis
AutoML und Custom Training
Model Registry und Lineage
Pipelines mit Caching
Deployment und Drift-Monitoring
Überblick In diesem Training baust du ein Machine-Learning-Projekt in Google Vertex AI end-to-end auf: von der belastbaren Datenbasis über Training und Experiment Tracking bis zu Deployment, Monitoring und sauberem...
In diesem Training baust du ein Machine-Learning-Projekt in Google Vertex AI end-to-end auf: von der belastbaren Datenbasis über Training und Experiment Tracking bis zu Deployment, Monitoring und sauberem Betriebsablauf. Der Kurs richtet sich an Teams, die Modelle nicht nur entwickeln, sondern reproduzierbar bereitstellen und dauerhaft verbessern wollen. Du arbeitest mit typischen Entscheidungen aus realen ML-Projekten: Wann reicht AutoML als Baseline, wann ist Custom Training mit Container-Images sinnvoll, welche Metriken tragen eine Go/No-Go-Entscheidung und wie bleiben Artefakte, Modelle und Experimente nachvollziehbar?
Der Schwerpunkt liegt auf produktionsnahen Abläufen in Google Vertex AI: IAM, Service Accounts, Kostenhebel, Quotas, Data Leakage, Model Registry, Vertex AI Pipelines, Traffic Splits, Rollbacks und Drift-Monitoring. So entsteht aus Notebook-Experimenten ein wiederholbarer ML-Workflow, der in Cloud- und Data-Science-Teams nachvollziehbar betrieben wird. Für die Google-Cloud-Grundlagen vorab passt die Google Cloud Associate Cloud Engineer Schulung.
Die Themen Google-Cloud-Projekt und APIs · IAM-Rollen und Service Accounts · Vertex AI Workbench und Repos · Regionen, Quotas und Kostenhebel · BigQuery als strukturierte Datenquelle · Cloud Storage für Trainingsdaten...
Vertex AI Setup und Arbeitsweise
- Google-Cloud-Projekt und APIs
- IAM-Rollen und Service Accounts
- Vertex AI Workbench und Repos
- Regionen, Quotas und Kostenhebel
Datenbasis, Features und Governance
- BigQuery als strukturierte Datenquelle
- Cloud Storage für Trainingsdaten
- Data Validation und Datenqualität
- Data Leakage sicher vermeiden
- Feature Store Grundlagen und Alternativen
Training mit AutoML und Custom Training
- AutoML Tabular als Baseline
- Custom Training Jobs planen
- Container-Images für Trainingsläufe
- Hyperparameter Tuning in Vertex AI
- Reproduzierbare Trainingsartefakte
Experiment Tracking und Modellverwaltung
- Experiments, Runs und Metriken
- Artefakte und Trainingsparameter dokumentieren
- Model Registry und Versionierung
- Lineage und Nachvollziehbarkeit
- Baselines, Thresholds und Error Analysis
Vertex AI Pipelines und Automatisierung
- Pipeline-Komponenten und Parameter
- Caching und wiederholbare Ausführung
- Artefaktübergaben zwischen Schritten
- Orchestrierung statt Notebook-Magie
- CI/CD-Idee für ML-Pipelines
Deployment, Prediction und Betrieb
- Endpoints und Online Prediction
- Traffic Splits und Rollback
- Batch Prediction Jobs
- Private Endpoints und Zugriffskonzepte
- Kostenkontrolle im Serving
Monitoring, Drift und Retraining
- Daten- und Vorhersage-Drift
- Model Monitoring in Vertex AI
- Alerting und sinnvolle Dashboards
- SLOs für ML-Services
- Retraining-Trigger und Betriebsprozesse
Zielgruppe
- Data Scientists, die ML-Modelle in Google Vertex AI vom Experiment in den Betrieb bringen
- ML Engineers, die Pipelines, Model Registry, Deployment und Monitoring verantworten
- Cloud Engineers und Plattform-Teams, die IAM, Security, Quotas und Betriebsprozesse für Vertex AI aufsetzen
- Analytics Engineers, die BigQuery-Daten für Machine-Learning-Workflows bereitstellen, zum Beispiel nach dem Google Cloud Associate Data Practitioner Training mit BigQuery
Das lernst du
- End-to-End-Workflow in Google Vertex AI planen, umsetzen und nachvollziehbar dokumentieren
- Sichere Auswahl zwischen AutoML, Custom Training und passenden Deployment-Optionen
- Reproduzierbare Trainingsläufe mit Experiment Tracking, Artefakten und Model Registry
- Aufbau wiederholbarer Vertex AI Pipelines mit Parametern, Caching und Artefaktübergaben
- Kontrolliertes Deployment mit Online Prediction, Batch Prediction, Traffic Splits und Rollback
- Betriebsfähiges Monitoring gegen Drift inklusive Alerting, SLOs und Retraining-Triggern
So arbeiten wir
- Geführte Live-Demos in Google Vertex AI mit direkter Nacharbeit in Übungen
- Hands-on Labs in bereitgestellten Google-Cloud-Umgebungen
- Arbeit an einem durchgängigen ML-Projekt von Datenbasis bis Monitoring
- Checklisten für IAM, Kostenkontrolle, Deployment und Betriebsübergabe
- Review typischer Fehlerbilder wie Data Leakage, unklare Lineage und instabile Pipelines
Empfohlene Vorkenntnisse
- Grundverständnis von Machine Learning, zum Beispiel Train/Test, Overfitting und Metriken
- Erste Erfahrung mit Python oder Notebooks, etwa aus dem Python 3 Grundkurs intensiv
- Grundkenntnisse in Cloud-Konzepten wie Projekte, Rollen, Speicher und APIs
- Hilfreich, aber nicht zwingend: Erfahrung mit Data-Science-Workflows oder dem Python Machine Learning Grundkurs
Google Cloud Associate Training: Data Practitioner mit BigQuery
Python Machine Learning Grundkurs (Für Python Entwickler)
GCP-Schulung: Google Cloud Associate Cloud Engineer
Data Science und Machine Learning - Einführung
Dein Fahrplan
Der erste Tag schafft die technische Grundlage für den ML-Workflow in Google Vertex AI. Behandelt werden Projekt-Setup, APIs, IAM, Service Accounts, Regionen, Quotas, Kostenhebel sowie die Arbeitsweise mit Vertex AI Workbench und Repositories.
Anschließend folgt die Datenbasis: BigQuery und Cloud Storage als Quellen, Data Validation, Datenqualität, Data Leakage und die Einordnung von Feature Store Konzepten. Ziel ist ein sauberer Startpunkt für reproduzierbares Training.
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 - mit klarem Alltagsbezug 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 und Preise
| Zeitraum | Ort | Preis (netto) |
|---|---|---|
| 14.12. - 16.12.2026 | München oder Live-Online | 1.450 € |
| 08.02. - 10.02.2027 | München oder Live-Online | 1.450 € |
| 12.04. - 14.04.2027 | München oder Live-Online | 1.450 € |
| 21.06. - 23.06.2027 | München oder Live-Online | 1.450 € |
| 16.08. - 18.08.2027 | München oder Live-Online | 1.450 € |
Alle Preise zuzüglich gesetzlicher Mehrwertsteuer. Freie Plätze und weitere Termine findest du unter www.cmt.de/seminare/vertex-ai-ml.
Firmenschulung und Inhouse
Diese Schulung gibt es auch exklusiv für dein Unternehmen, bei euch vor Ort, an unseren Standorten oder Live-Online. Inhalte und Termine stimmen wir mit euch ab.
Dein Kontakt bei cmt
Michaela Berger
Telefon 0800 71 20000
michaela.berger@cmt.de
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.
Wie die Planung abläuft, was ein Zuschnitt kostet und welche Themen wir abdecken, steht auf unserer Seite zu Inhouse Schulungen im Bereich Machine Learning.
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 Vertex AI: ML-Pipelines, die wirklich laufen
Ist die Vertex AI Schulung eher für Data Scientists oder für ML Engineers geeignet?
Das Training verbindet beide Perspektiven. Data Scientists lernen, Experimente, Modelle und Metriken so aufzubereiten, dass sie reproduzierbar in den Betrieb übergehen. ML Engineers vertiefen Pipelines, Deployment, Monitoring, IAM, Kostenhebel und Betriebsprozesse in Google Vertex AI.
Brauche ich ein eigenes Notebook oder eine Google-Cloud-Lizenz?
Nein. Geräte, VMs und Software werden dir bei Bedarf zur Verfügung gestellt. Du brauchst keine eigenen Notebooks oder Lizenzen mitzubringen. Falls dein Unternehmen eine eigene Google-Cloud-Umgebung nutzt, lassen sich die gezeigten Muster später auf interne Vorgaben übertragen.
Geht es um GenAI oder klassisches Machine Learning?
Der Schwerpunkt liegt auf klassischem Machine Learning end-to-end in Vertex AI: Daten, Training, Experimente, Pipelines, Deployment, Batch Prediction und Monitoring. Die behandelten Betriebsprinzipien sind auch für spätere GenAI-Projekte hilfreich, der Kurs ist aber keine reine GenAI-Schulung.
Wie viel Programmierung ist im Training nötig?
Grundlegende Python- oder Notebook-Erfahrung hilft, ist aber keine harte Einstiegshürde. Das Training zeigt AutoML als schnellen Start und Custom Training für mehr Kontrolle. So wird deutlich, welche Aufgaben ohne viel Code gelöst werden und wo eigene Trainingslogik notwendig ist.
Welche Datenquellen werden in Vertex AI behandelt?
Im Mittelpunkt stehen BigQuery und Cloud Storage als typische Datenquellen für ML-Projekte auf Google Cloud. Zusätzlich geht es um Data Validation, Datenqualität, Data Leakage, Feature Store Konzepte und Alternativen für Teams, die ihre Features kontrolliert bereitstellen wollen.
Was bedeutet produktionsnaher Betrieb von ML-Modellen in diesem Seminar?
Produktionsnah bedeutet in diesem Training: nachvollziehbare Experimente, versionierte Modelle, wiederholbare Pipelines, kontrolliertes Deployment, Monitoring gegen Drift, Alerting und definierte Retraining-Trigger. Ziel ist ein ML-Workflow, der nicht am Notebook endet.
Wird AutoML oder Custom Training intensiver behandelt?
Beides wird eingeordnet. AutoML dient als schnelle Baseline und Entscheidungshilfe. Custom Training wird genutzt, wenn mehr Kontrolle über Code, Container, Trainingsparameter und Reproduzierbarkeit nötig ist. Der Kurs zeigt, wie du beide Ansätze in Vertex AI sinnvoll vergleichst.
Weitere häufig gestellte Fragen und Antworten findest du in den FAQs.
Passende Schulungen nach dem Kurs
Ähnliche Kurse
Machine Learning mit Python Grundkurs (Für Python Einsteiger)
Beyond Machine Learning: Was kommt danach?
Python mit Tensorflow: Grundkurs
DP-3014 Training: Implementieren einer Machine Learning-Lösung mit Azure Databricks (DP-3014-A)
AutoML Grundkurs
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
