MLflow
Wenn Du gerne MLflow anwendest, kannst Du das hier an realen Industrieprojekten üben.
- CodeSeniorNeu
CI/CD-Pipeline für ML-Modelle in regulierter DACH-Bank
Sie bauen eine GitHub-Actions-basierte CI/CD-Pipeline für ML-Modelle mit folgenden Stufen: (1) Unit-Tests für Datenpipeline, (2) Training auf einem Hold-out-Datensatz mit Reprod…
- Ci Cd
- Github Actions
- Model Governance
ML Engineering and Production ML - CodeEinsteigerNeu
Hyperparameter-Sweep auf einem Slurm-Cluster für eine Versicherung
Du erhältst ein bestehendes Trainings-Skript für ein Gradient-Boosting-Tarif-Modell (auf anonymisierten Schaden-Daten mit 2,4 Millionen Zeilen) und Zugang zu einem Slurm-Cluster…
- Hyperparameter Tuning
- Distributed Computing
- Mlflow
Machine Learning at Scale - DesignMittelstufeNeu
Modell-Lifecycle-Management für Stuttgart-Tier-1-Robotik
Sie entwerfen und prototypisieren ein Modell-Lifecycle-Management-System mit MLflow Model Registry als zentralem Backbone. Es muss erfassen: Modell-Version, Deployment-Standort,…
- Agent Lifecycle Management
- Mlflow
- Dashboard Design
ML Engineering and Production ML
So funktioniert's
Vom Briefing zum Zertifikat – in sechs Schritten.
Schritt 01
Durchsuche Challenges passend zu Deinem Studium.
Schritt 02
Wähle das Projekt, das zu Deinen Zielen passt.
Schritt 03
Arbeite es mit Hilfe des AI Copiloten durch.
Schritt 04
Reiche es zur strukturierten Bewertung ein.
Schritt 05
Erhalte ein verifiziertes Zertifikat.
Schritt 06
Füge es Deinem LinkedIn-Profil mit einem Klick hinzu.
Branchenteams hinter einem Jahrzehnt praxisorientierter Briefings
Aus diesem Pool einstellen?
Sponsere eine Challenge und lerne Kandidaten durch ihre tatsächliche Arbeit kennen.
Industrieteams können Briefings rund um die Fähigkeiten gestalten, die sie suchen, und Studierende anhand von bewertungsmatrix-gestützten Ergebnissen beurteilen – nicht anhand von Lebensläufen.