Was unterscheidet GenAI-Systeme, die im Produktivbetrieb versagen, von solchen, die zuverlässig skalieren? Systematische Verfahren zur Orchestrierung und Bewertung der Bereitstellung, die kostspielige Ausfälle verhindern, bevor sie sich auf die Nutzer auswirken.

Dieser Kurzkurs wurde entwickelt, um ML- und KI-Fachleuten dabei zu helfen, robuste, produktionsreife GenAI-Bereitstellungen mit integrierter Zuverlässigkeit und automatisierten Wiederherstellungsmechanismen zu realisieren. Nach Abschluss dieses Kurses sind Sie in der Lage, Kompatibilitätsprobleme bei der Bereitstellung durch die Analyse von Manifesten proaktiv zu erkennen, datengestützte Release-Entscheidungen anhand von Observability-Dashboards und Regressionstestergebnissen zu treffen sowie ausgefeilte Canary-Bereitstellungs-Workflows zu implementieren, die bei einer Verschlechterung der Leistungskennzahlen automatisch ein Rollback durchführen – Fähigkeiten, die Sie sofort bei Ihrer nächsten GenAI-Produktionsbereitstellung anwenden können. Am Ende dieses Kurses werden Sie in der Lage sein: • Deployment-Manifeste und Abhängigkeiten zu analysieren, um die Laufzeitkompatibilität sicherzustellen • Die Release-Bereitschaft anhand von Regressionstestergebnissen und Observability-Dashboards zu bewerten • Einen orchestrierten Deployment-Workflow mit integrierten Canary-Releases und automatisierten Rollbacks zu erstellen Dieser Kurs ist einzigartig, da er praktische Deployment-Analysen mit realen Produktionsszenarien kombiniert und Ihnen vermittelt, wie Sie die ausfallsicheren Deployment-Systeme aufbauen, die moderne GenAI-Betriebsabläufe erfordern. Um diesen Kurs erfolgreich zu absolvieren, sollten Sie über Vorkenntnisse in den Bereichen Machine-Learning-Systeme und Containerisierungstechnologien sowie über ein grundlegendes Verständnis von Produktions-Deployment-Praktiken verfügen.