Machine Learning und Cloud-Infrastruktur greifen in modernen KI-Projekten eng ineinander. Azure Databricks bietet die technische Basis, um ML-Workflows strukturiert, skalierbar und kollaborativ umzusetzen.

Zentrale Themen

• Einrichtung und Konfiguration von Azure Databricks-Umgebungen.
• Daten einlesen, verarbeiten und transformieren.
• ML-Modelle konzipieren, trainieren und evaluieren.
• Modellverfolgung und Reproduzierbarkeit mit MLflow sicherstellen.
• Automatisiertes Modelltraining mit AutoML und Hyperopt.
• Betrieb und Weiterentwicklung produktiver ML-Systeme.

Voraussetzung
Kenntnisse in Datenanalyse und Skriptsprachen sowie ein grundlegendes Verständnis von Cloud-Plattformen und ML-Konzepten werden erwartet.

Zielgruppe
Fachkräfte aus Daten- und Cloud-Bereichen, die ML-Lösungen auf Azure produktiv entwickeln und betreiben möchten.

Das Training bietet eine praxisnahe Grundlage für den vollständigen ML-Lebenszyklus – von der Datenvorbereitung bis zur Bereitstellung robuster, skalierbarer Modelle.