Training MLflow

Machine learning projecten lopen al snel vast in een wirwar van modellen, datasets, experimenten en deployment-omgevingen. Zonder structuur kost dat tijd en sluipen er fouten in. Tijdens deze training leer je hoe je met MLflow grip houdt op dat hele proces: je logt experimenten, vergelijkt runs, beheert modellen en zet reproduceerbare workflows op. Je werkt daarbij vanuit applicatiecode met de MLflow API, én via de visuele interface en de command line, zodat je zowel de technische integratie als het functionele beheer van experimenten doorgrondt.

Het programma volgt de vier hoofdcomponenten Tracking, Projects, Models en Model Registry. Je past ze hands-on toe in een praktijkcase waarin je een model opzet, traint, logt, registreert en deployt, van begin tot eind in één workflow. Daarnaast kijk je op conceptueel niveau naar hoe MLflow werkt in enterprise- en cloudomgevingen, en naar onderwerpen als security, governance en promptmanagement bij generatieve AI.

Onze trainers zijn, naast trainer, dagelijks werkzaam op dit expertisegebied. Ze koppelen elke functie van MLflow aan realistische use cases uit de praktijk. Waar gewenst en mogelijk stemmen we de voorbeelden af op de technologie-stack en werkpraktijk waarin jij of je team werken. Hierdoor ben je in staat om het geleerde direct in je eigen machine learning workflow toe te passen.

Deze training als bedrijfstraining voor jou en je team?

Elk vraagstuk en elke situatie is anders; daarom staan tijdens een bedrijfstraining jouw organisatie en (bedrijfs)vraagstukken centraal. In goed overleg stellen we een lesprogramma samen dat volledig aansluit bij jouw (jullie!) specifieke uitdaging, wensen en dagelijkse werkpraktijk.

Doelen

Na deze training ben je in staat om:

• MLflow in te zetten om machine learning experimenten gestructureerd te loggen en te vergelijken
• Parameters, metrics en artefacten vast te leggen met de MLflow API, UI en CLI
• Machine learning modellen op te slaan, te registreren en te beheren met MLflow Models en de Model Registry
• Reproduceerbare ML-workflows op te zetten met MLflow Projects en versiebeheer
• Te overzien hoe je MLflow inzet binnen professionele omgevingen, met aandacht voor samenwerking, governance en deployment

Tijdens de training MLflow komen onderstaande onderwerpen aan bod.

NB: Mocht je vragen hebben over de inhoud of deze aangepast willen zien op jouw specifieke praktijksituatie of trainingsbehoefte, bel ons dan gerust: we spreken de mogelijkheden graag met je door.

• Introductie MLflow en workflowbeheer
• Doorgronden wat MLflow is en welk probleem het oplost in machine learning projecten
• De vier hoofdcomponenten leren kennen: Tracking, Projects, Models en Registry
• Herkennen hoe MLflow aansluit op libraries als scikit-learn, PyTorch en TensorFlow en op meerdere programmeertalen
• MLflow Tracking: experimenten loggen en vergelijken
• Een experiment opzetten en runs vastleggen
• Parameters, metrics en artefacten loggen vanuit je code
• Runs vergelijken via de UI en de API
• Werken met tags, notities en metadata
• Autologging inzetten per library, zoals scikit-learn en TensorFlow
• MLflow Projects: reproduceerbare workflows
• Projecten structureren met MLproject-bestanden
• Herhaalbare runs uitvoeren met dependency management
• Integreren met Git en versiebeheer
• MLflow Models en de Model Registry
• Modellen opslaan, laden en toepassen in verschillende formaten
• Modellen lokaal, via REST API of via de CLI deployen
• Werken met model URI's en structuur aanbrengen in modelbeheer
• Modellen registreren en versies beheren met goedkeuringsworkflows
• Statusovergangen doorlopen tussen staging, production en archived, met rollback en modelhistorie
• Kennismaken met de LoggedModel-architectuur als actuele aanvulling op het traditionele, run-centrische model
• MLflow inrichten voor teams en organisaties
• Best practices in experimentbeheer toepassen
• Werken met meerdere gebruikers, tagging en annotaties
• Kennismaken met model governance, audit trails en securityconcepten
• Op conceptueel niveau verkennen hoe MLflow werkt in enterprise- en cloudomgevingen, zoals Azure ML en Databricks
• Zicht krijgen op tracking backend, artefact storage en deploymentstrategieën
• Kennismaken met promptmanagement voor generatieve AI, waaronder de GenAI-evaluatie- en feedbackmogelijkheden van MLflow 3
• Praktijkcase: een ML-pipeline van begin tot eind
• Een model opzetten en trainen, bijvoorbeeld met scikit-learn of PyTorch
• Runs, parameters, metrics en artefacten loggen
• Het model opslaan, registreren en deployen
• UI, CLI en API combineren in één workflow
• Je resultaten evalueren en bespreken

Aanpak

De training is praktisch en interactief van opzet, met veel ruimte voor jouw vragen en werksituatie. Je gaat aan de slag met passende praktijkvoorbeelden. Door actief te oefenen, te analyseren en te evalueren, maak je je de materie stap voor stap eigen en ervaar je hoe je machine learning workflows met MLflow overzichtelijk en reproduceerbaar inricht.

Onze trainers zijn, naast trainer, dagelijks werkzaam op dit expertisegebied. Ze beschikken dus niet alleen over de meest actuele kennis, maar hebben ook essentiële praktijkervaring. Hierdoor zijn ze in staat om een waardevolle vertaalslag te maken van ‘kennis’ naar ‘toepassing binnen jouw organisatie en werksituatie’.

Doelgroep

Deze training is bedoeld voor iedereen die machine learning modellen ontwikkelt en het bijbehorende werkproces overzichtelijk, reproduceerbaar en schaalbaar wil maken.

Voorkennis

Ervaring met het ontwikkelen van machine learning modellen en met programmeren in Python is vereist. Mocht je hier vragen over hebben, neem dan gerust contact met ons op.

Benodigdheden

Om het meeste uit jouw training te halen verzoeken we je vriendelijk een eigen laptop mee te nemen om eventueel direct aan de slag te kunnen gaan. Verdere benodigdheden worden, indien van toepassing, in voorbereiding op de training met je besproken.

Vervolgstappen

Binnen dit expertisegebied beschikken wij over ruime kennis en praktijkervaring. Zoek je meer diepgang of een (compleet) andere insteek? Neem dan gerust contact met ons op voor een vrijblijvende verkenning. We denken graag met je mee!

Er zijn verschillende vervolgtrainingen, die aansluiten op specifieke onderwerpen, toepassingen en werkcontexten.

Wil je je expertise in machine learning workflows verdiepen en modellen naar productie brengen, dan sluiten deze trainingen aan:

• MLOps
• Scikit-Learn

Wil je MLflow uitbreiden met generatieve AI en moderne datastructuren, dan zijn deze trainingen interessant:

• Werken met Large Language Models in Python
• Vectordatabases

Kies uit 6 locatie(s) in Nederland. Ook beschikbaar in Antwerpen.

Bedrijfstraining

Met een bedrijfstraining kies je voor een training die helemaal aansluit bij de specifieke wensen, behoefte en dagelijkse praktijk van jouw bedrijf of organisatie. Je kunt in je eentje deelnemen aan deze maatwerktraining, maar ook met één of meerdere collega’s. Een bedrijfstraining vindt plaats waar je maar wilt: op locatie bij jouw bedrijf of organisatie, ergens in het land of op onze mooie trainingslocatie op de Veluwe in Apeldoorn. Bel ons gerust voor advies; we denken graag met je mee. Wil je een vrijblijvend voorstel ontvangen? Vraag er dan online een aan.

Privétraining

De essentie van een privétraining is, dat de trainer volledig tot jouw beschikking staat. Je kunt daarbij kiezen voor een algemeen programma (zie hiervoor onze trainingomschrijvingen), maar het is ook mogelijk om de training helemaal te laten aansluiten bij jouw specifieke wensen, behoefte en dagelijkse praktijk. Bij zo’n maatwerktraining wordt het programma helemaal afgestemd op jouw situatie, wensen en leerbehoefte. Hierdoor mag je rekenen op maximaal leerrendement. Bel ons gerust voor een (maatwerk)privétraining te bespreken; we denken graag met je mee. Wil je een vrijblijvend voorstel ontvangen? Vraag er dan online een aan.

Virtuele training

Wil je de door jou gewenste training liever virtueel (online) volgen? Dat kan via onze ‘remote classroom’. Het verschil met een face-to-face-training is dat de trainer de training op afstand voor je verzorgt. Je kunt daarbij kiezen voor het algemene programma (zie hiervoor onze trainingomschrijvingen), maar we kunnen de training ook aanpassen aan je specifieke wensen, behoefte en praktijksituatie. Je volgt je virtuele training in je eentje, met je collega’s of met mensen van andere bedrijven. Wil je weten wat we op dit gebied precies voor je kunnen betekenen? Bel ons gerust, we denken graag met je mee over de mogelijke oplossingen.

Klassikale training

Bij een klassikale training volg je een opleiding of training samen met een klas van medestudenten. Het voordeel van deze setting is, dat je kunt leren van andermans cases, tegen het laagst mogelijke tarief. De training vindt plaats op een externe locatie, ergens in het land of op onze mooie trainingslocatie in Apeldoorn (midden op de Veluwe). Heb je een vraag? Bel ons gerust; we helpen je graag verder. Je kunt je natuurlijk ook gelijk inschrijven.

Tarief

De kosten voor de Training MLflow bedragen €1.799,00 (excl. €377,79 btw). Dit betreft het tarief voor deelname aan een klassikale training. Wil je liever een bedrijfstraining of privétraining? Bel ons dan of vraag online een voorstel aan.

Bij dit bedrag is alles inbegrepen, inclusief materialen en lunch (lunch inbegrepen indien de training dagvullend is).

Wil je de door jou gewenste training liever virtueel (online) volgen? Dat kan via onze ‘remote classroom’. Het verschil met een face-to-face-training is dat de trainer de training op afstand voor je verzorgt. Je kunt daarbij kiezen voor het algemene programma (zie hiervoor onze trainingomschrijvingen), maar we kunnen de training ook aanpassen aan je specifieke wensen, behoefte en praktijksituatie. Je volgt je virtuele training in je eentje, met je collega’s of met mensen van andere bedrijven. Wil je weten wat we op dit gebied precies voor je kunnen betekenen? Bel ons gerust, we denken graag met je mee over de mogelijke oplossingen.

Virtuele training: hoe werkt dat?

Bij een virtuele training kun je via een online verbinding op afstand interactief deelnemen aan de training. Dit wordt ook wel ‘remote classroom’ of ‘virtual classroom’ genoemd. Dit werkt net even anders, maar biedt je dezelfde kwaliteit en is net zo effectief als een face-to-face-training.

Dezelfde kwaliteit, net even anders

Uitgangspunt bij een virtuele training is, dat er net zoveel kennis en vaardigheden worden overgedragen als bij een face-to-face-training. Bovendien dient het elk gewenst niveau van interactiviteit te faciliteren. Daarom werken we vanuit Eduvision met diverse systemen (o.a. dat van onze opdrachtgever), die deze doelstelling breed ondersteunen (waaronder Microsoft Teams of Zoom). Als cursist kun je gratis en eenvoudig inloggen, via een app of via het web.

De verschillende systemen bieden o.a. de volgende mogelijkheden:

• De training volgen met meerdere deelnemers, die je afhankelijk van of ze een camera hebben al dan niet kunt zien.
• Als deelnemers een microfoon hebben, kunnen ze ook met de trainer praten. De trainer kan aangeven en technisch faciliteren wie er kan praten. Deelnemers kunnen virtueel aangeven dat ze wat willen zeggen; de trainer kan hen vervolgens het woord geven.
• Deelnemers kunnen meekijken met de trainer en de trainer kan switchen tussen verschillende schermen die hij wil laten zien.
• Als de deelnemer daar toestemming voor geeft, kan de trainer meekijken op het scherm van de deelnemer (of zelfs het scherm overnemen).
• Er is vaak een chatfunctie, waarmee vragen of opmerkingen voor iedereen zichtbaar worden op het scherm.
• Er is soms een opnamefunctie (de trainer bepaalt - rekening houdend met ieders privacy - of die aan- of uitgezet wordt), waardoor je later (een deel van) de training kunt terugkijken.
• Er kan gebruik gemaakt worden van een whiteboard.
• Er kunnen bestanden gedeeld worden.

NB: Het is handig als je als cursist beschikt over een microfoon of camera (het eerste meer dan het tweede), maar het is geen must; ook zonder kun je deelnemen aan de training. Wél is het zo dat met name een microfoon de interactiviteit bewerkstelligt. Mocht je geen camera of microfoon op de computer hebben, dan is het ook mogelijk om tegelijkertijd in te loggen met je telefoon, zodat je én duidelijk (lees: groot) beeld hebt én kunt beschikken over microfoon en/of camera.