Engineers / Gemiddeld

ML engineering en MLOps

De basis van machine learning, daarna de praktijk om een model in productie te krijgen en te houden met MLflow, gates en monitoring.

Voor wie

Engineers die Python schrijven en van notebooks naar modellen in productie willen.

Stappen
8
Niveau
Gemiddeld

Wat je daarna kunt

  • Training, evaluatie en de gebruikelijke faalpatronen uitleggen
  • Een model volgen, registreren en promoveren met MLflow
  • Een release laten afhangen van gemeten kwaliteit

Het pad, stap voor stap

  1. Cursus

  2. Cursus

  3. Cursus

  4. Certificeren

  5. Bouwen

    Een model volgen, registreren en afschermen

    Doel. Train een klein model, volg elke run in MLflow, registreer de beste en promoveer hem alleen als hij het huidige model verslaat op een vaste testset.

    Wat je doet

    1. Kies een tabulaire dataset en splits een testset af die je tijdens het tunen nooit aanraakt.
    2. Log parameters, metrics en het model voor elke run.
    3. Registreer de beste run en schrijf een script dat hem alleen promoveert als hij de huidige verslaat.
    4. Voeg een driftcheck toe die live invoer vergelijkt met de trainingsdata.

    Hoe goed eruitziet. Elk model in productie is terug te voeren op een run, een dataset en een testresultaat.

  6. Lezen

  7. Check

  8. Certificeren

Cursusgegevens komen van de aanbieders. Kijk op de pagina van de aanbieder voor de nieuwste details.

Volgende stap

Wil je dat je team dit samen leert?

We geven workshops aan bedrijfsteams en studenten, op locatie of online. Vertel wie de deelnemers zijn en wat ze daarna moeten kunnen.

Open voor projecten in Q4 2026