Übersicht
Worum es bei diesem Projekt geht.
Trainiere ein Sprachmodell mit DDP, FSDP und Pipeline-Parallel auf einem A100-Cluster, messe MFU und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Welche Distributed-Training-Strategie liefert auf dem konzerneigenen 4x4-A100-Cluster die beste MFU für ein 1,3-B-Parameter-Modell?
Earning criteria — what you'll demonstrate
- Drei Distributed-Training-Strategien praktisch implementieren und vergleichen
- MFU als Engineering-Metrik korrekt berechnen und interpretieren
- GPU-Profiling-Werkzeuge zur Kommunikations-Engpass-Analyse anwenden
- Eine Plattform-Roadmap auf Basis quantitativer Benchmarks begründen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Machine Learning Systems
Master · Ai Ml
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
ML-Systems-Ingenieur:in
Wer FSDP, Pipeline-Parallel und MFU-Messung praktisch beherrscht, deckt das Profil ab, das ML-Systems-Teams in Hyperscalern und großen Enterprises 2026 dringend suchen.
Dieses Projekt schärft
- distributed-training
- fsdp
- pipeline-parallelism
MLOps-Ingenieur:in
Profiling, Slurm-Bedienung und reproduzierbare Cluster-Benchmarks sind das Handwerk, das MLOps-Teams beim Aufbau interner GPU-Plattformen täglich brauchen.
Dieses Projekt schärft
- gpu-profiling
- benchmarking
- distributed-training
KI-Lösungsarchitekt:in
Die Übung, eine Verteilungsstrategie quantitativ zu rechtfertigen und in eine Roadmap zu gießen, bildet exakt die Architektur-Empfehlungs-Arbeit ab, die Solutions Architects an Plattform-Teams liefern.
Dieses Projekt schärft
- benchmarking
- pytorch
- gpu-profiling
Noch eine Sache