Machine Learning Engineer

Kursüberblick

Die Anforderungen an den produktiven Betrieb von Modellen haben sich mit der Zahl eingesetzter Verfahren deutlich verändert. Im Programm für maschinelles Lernen ist die Rolle mit einer Plattformzertifizierung verbunden. Modellbau und Betriebsverantwortung fallen dabei zusammen. !Kursinhalt !1. Aufgabenprofil und Zertifizierungsumfang *Tätigkeiten von Machine Learning Engineers im Modelllebenszyklus *Wissensgebiete der zugehörigen Plattformzertifizierung *Abgrenzung zu Datenanalyse und Data Engineering !2. Modellentwicklung und Merkmalsarbeit *Aufbereitung von Merkmalen für das Training *Auswahl und Training überwachter und unüberwachter Verfahren *Bewertung von Modellgüte !3. Bereitstellung und Betrieb von Modellen *Bereitstellung trainierter Modelle als Dienst *Versionierung von Modellständen *Ressourcenbedarf im Inferenzbetrieb !4. Überwachung und Nachtraining im Machine Learning *Überwachung von Antwortzeiten und Modellgüte *Erkennen von Verschiebungen in den Eingabedaten *Auslösung und Freigabe von Nachtraining !Berufliche Relevanz *Verbindung von Modellbau und Betriebsverantwortung *Nachweisbare Qualifikation über Plattformzertifizierung *Grundlage für den Betrieb produktiver Modelle

Nächste Termine

• 2026-10-25T23:00:00.000Z · 2027-01-22T23:00:00.000Z · Virtuelles Klassenzimmer
• 2026-10-25T23:00:00.000Z · 2027-04-22T22:00:00.000Z · Virtuelles Klassenzimmer
• 2026-10-25T23:00:00.000Z · 2027-01-22T23:00:00.000Z · Berlin · Combined Learning
• 2026-10-25T23:00:00.000Z · 2027-04-22T22:00:00.000Z · Berlin · Combined Learning