Serverless ML-Inferenz für ein Berliner Marketing-SaaS aufsetzen
Übersicht
Worum es bei diesem Projekt geht.
Sie containerisieren ein bereits trainiertes Empfehlungsmodell (Modellgewicht und Inferenz-Code wird gestellt) und deployen es als Container auf AWS Lambda mit Container-Image-Unterstützung oder alternativ auf AWS SageMaker Serverless Inference. Vergleichen Sie die beiden Optionen auf Kaltstart-Zeit, Kosten pro 1.000 Anfragen und Skalierung unter einer 10-fachen Lastspitze. Liefern Sie ein Lasttest-Skript (k6 oder Locust), einen Vergleichsreport mit Kostenmodell für 12 Monate und eine Architekturempfehlung für die Produktivumstellung.
Das Briefing
Was Du tust und was Du zeigst.
Welcher Serverless-Inferenz-Pfad (Lambda vs. SageMaker Serverless) passt besser zur Lastkurve dieses Marketing-SaaS in Bezug auf Kaltstart, Kosten und Skalierung?
Earning criteria — what you'll demonstrate
- ML-Inferenz auf Serverless-Plattformen bringen
- Kaltstart- und Skalierungsverhalten ehrlich messen
- Cloud-Kosten gegen Performance abwägen
- Eine Architekturentscheidung mit Daten begründen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
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.
Karrierewege, die das aufbaut
Kanonische RollenMLOps Engineer
Serverless-ML-Inferenz ist eine zunehmend gefragte Spezialisierung und genau das Profil, das MLOps Engineers in wachsenden SaaS-Firmen einbringen.
Dieses Projekt schärft
- serverless
- ml-inference
- deployment-planning
AI Engineer
Ein Modell tatsächlich auf eine Serverless-Plattform zu bringen ist die Brücke vom Trainings-Notebook zur produktiven KI-Anwendung — Alltag von AI Engineers.
Dieses Projekt schärft
- ml-inference
- aws
- deployment-planning
AI Solutions Architect
Eine Architekturwahl mit Kostenanalyse zu begründen ist die Standardaufgabe von AI Solutions Architects in der Kundenarbeit.
Dieses Projekt schärft
- cost-analysis
- aws
- deployment-planning
Noch eine Sache