Moderne ML-Teams entwickeln nicht nur Modelle – sie erstellen zuverlässige, reproduzierbare und kosteneffiziente Arbeitsabläufe. In diesem Kurs erlernen Sie die CORE-Entwicklungskompetenzen, mit denen sich ML-Projekte in realen Entwicklungsumgebungen skalieren lassen. Sie üben, Experimente mit klaren Git-Verzweigungsstrategien zu verwalten, mithilfe von Poetry vollständig reproduzierbare Umgebungen zu erstellen und die CPU-, GPU- sowie Speicherauslastung zu überwachen, um Ausfälle zu vermeiden und die Cloud-Kosten zu kontrollieren. Anhand von Videos, praktischen Übungen und einem angeleiteten Labor lernen Sie, Notebooks und Artefakte zu versionieren, Abhängigkeiten für stabile Builds zu sperren und Ressourcenprotokolle aus VS Code Remote zu analysieren, um OOM-Ereignisse und außer Kontrolle geratene Raster-Suchen zu verhindern. Am Ende des Kurses sind Sie in der Lage, ML-Codebasen effektiver zu strukturieren, reproduzierbare Experimente an Teamkollegen weiterzugeben und kostenbewusste Trainings-Workflows auszuführen, die sowohl Leistungs- als auch Budgetvorgaben erfüllen.