Wie KI-Systeme wirklich funktionieren
Dieser Kurs zeigt Ihnen, wie Sie Machine-Learning-Modelle überwachen, Performance-Probleme frühzeitig erkennen und Systeme stabilisieren. Sie lernen praktische Werkzeuge kennen und verstehen, was hinter den Metriken steckt.
Metriken verstehen
Precision, Recall, F1-Score – was bedeuten diese Zahlen tatsächlich? Sie lernen, welche Metriken für Ihr Problem relevant sind und wie Sie sie interpretieren.
Drift erkennen
Produktionsdaten ändern sich. Wir zeigen Ihnen, wie Sie Data Drift und Concept Drift frühzeitig erkennen, bevor Ihr Modell falsche Vorhersagen trifft.
Tools in der Praxis
Von Prometheus über Grafana bis zu spezialisierten ML-Monitoring-Tools – Sie arbeiten mit echten Systemen und verstehen deren Stärken und Grenzen.
Was Sie in den Modulen lernen
Grundlagen des ML-Monitoring
Warum unterscheidet sich das Überwachen von ML-Systemen von traditioneller Software? Sie verstehen die besonderen Herausforderungen und lernen grundlegende Konzepte.
Performance-Metriken im Detail
Accuracy ist nicht alles. Sie arbeiten mit verschiedenen Metriken, verstehen deren Trade-offs und wählen die richtigen für Ihren Use Case.
Datenqualität überwachen
Fehlende Werte, Ausreißer, Skalierungsprobleme – Sie implementieren Checks, die Probleme in Ihren Input-Daten automatisch erkennen.
Drift Detection in Echtzeit
Statistische Tests und Visualisierungen helfen Ihnen, Veränderungen in Datenverteilungen zu erkennen. Sie bauen eigene Drift-Detektoren.
Monitoring-Infrastruktur aufbauen
Wie richten Sie ein robustes Monitoring-System ein? Von der Metrik-Sammlung über Alerting bis zur Visualisierung – ein durchgehender praktischer Workflow.
Erfahrene Praktiker begleiten Sie
Dr. Henrik Lindström
ML EngineeringHat Monitoring-Systeme für mehrere Production-ML-Plattformen aufgebaut. Erklärt komplexe Konzepte mit konkreten Beispielen aus seiner Arbeit.
Viktor Novák
Data Science ArchitectureSpezialisiert auf Drift Detection und Model Performance. Teilt praktische Lösungen für typische Probleme, die in der Produktion auftreten.
Jürgen Meier
MLOps InfrastructureBringt DevOps-Perspektive ins ML-Monitoring. Zeigt, wie Sie Infrastruktur skalierbar und wartbar aufbauen.
Bereit für belastbare ML-Systeme?
Der Kurs läuft bereits und Sie können jederzeit einsteigen. Alle Module sind sofort verfügbar. Sie lernen in Ihrem eigenen Tempo und haben direkten Zugang zu allen Materialien und Übungen.
Jetzt Kontakt aufnehmen