Training MLflow

MLflow is een open-source platform dat data scientists en machine learning engineers helpt om hun werkproces overzichtelijk, reproduceerbaar en schaalbaar te maken. In machine learning projecten wordt vaak gewerkt met veel verschillende modellen, datasets, experimenten en deployment-omgevingen. Zonder goede structuur en tooling kan dit leiden tot versnippering, tijdverlies en fouten. MLflow biedt hier een krachtige oplossing voor: het stelt gebruikers in staat om alle onderdelen van een machine learning workflow te tracken, beheren en automatiseren.

De relevantie van MLflow neemt toe naarmate machine learning breder wordt ingezet in professionele omgevingen. Organisaties zoeken manieren om hun modellen niet alleen te ontwikkelen, maar ook veilig en controleerbaar in productie te brengen. Hierbij spelen traceerbaarheid, versiebeheer, goedkeuringsprocedures en samenwerking een grote rol. MLflow integreert met populaire machine learning libraries zoals scikit-learn, PyTorch en TensorFlow, en ondersteunt meerdere programmeertalen. Daardoor sluit het aan bij uiteenlopende technologie-stacks en teamstructuren.

Tijdens de training MLflow combineren we een overzicht van de belangrijkste concepten met praktische opdrachten. Deelnemers leren hoe ze experimenten kunnen tracken, modellen opslaan, resultaten analyseren en machine learning workflows kunnen structureren. Dit doen we zowel vanuit applicatiecode met behulp van de MLflow API, als via de visuele interface (UI) en de command line interface (CLI). Zo ontstaat inzicht in zowel de technische integratie binnen ML-toepassingen als het functionele beheer en de interpretatie van experimenten.

Deelnemers werken hands-on aan een praktijkcase waarin ze een machine learning model opzetten, trainen, loggen, registreren en deployen. Daarnaast bespreken we conceptueel hoe je MLflow inzet binnen verschillende omgevingen, waaronder cloud-gebaseerde en enterprise-infrastructuren. Ook onderwerpen als remote tracking servers, artefact storage, security en governance komen daarbij aan bod, evenals de toepassing van MLflow in combinatie met generatieve AI en promptmanagement.

De training is gericht op professionals die willen leren hoe ze hun machine learning werkproces kunnen structureren en professionaliseren. Na afloop hebben deelnemers niet alleen kennis van de mogelijkheden van MLflow, maar kunnen ze deze ook direct toepassen in hun eigen workflow. Dat maakt deze training een waardevolle stap voor iedereen die machine learning in een professionele context wil inzetten.

Cursus MLflow

De cursus MLflow laat je zien hoe je machine learning projecten beheersbaar en reproduceerbaar maakt. Je leert experimenten registreren, modellen beheren en workflows structureren met behulp van de MLflow API, CLI en UI. De belangrijkste onderdelen zoals Tracking, Models, Registry en Projects komen aan bod. Dankzij praktijkgerichte opdrachten pas je MLflow direct toe in je eigen werkomgeving

Bedrijfstraining MLflow

Wil je MLflow in gaan zetten in je organisatie? In een bedrijfstraining kunnen wij de training volledig op maat verzorgen voor jou individueel of samen met een groep collega's.

Tijdens de Training MLflow komen in basis onderstaande onderwerpen aan bod. Afhankelijk van ontwikkelingen op het vakgebied, kan de feitelijke trainingsinhoud hier echter van afwijken. Bel ons gerust voor meer informatie over de actuele inhoud.

De training MLflow is opgebouwd rond het inzichtelijk en toepasbaar maken van machine learning workflows. Deelnemers leren hoe zij experimenten registreren, modellen beheren en processen structureren met behulp van MLflow. Zowel de MLflow API als de UI en CLI worden ingezet, zodat deelnemers een compleet beeld krijgen van de mogelijkheden in verschillende contexten. In het programma worden de technische functies van MLflow steeds gekoppeld aan praktische situaties en realistische use cases.

• Introductie MLflow en het belang van workflowbeheer
• Wat is MLflow en waarom is het relevant?
• Overzicht van de vier hoofdcomponenten: Tracking, Projects, Models, Registry
• Voorbeelden van toepassingen in de praktijk
• MLflow Tracking
• Opzetten van een experiment
• Loggen van parameters, metrics en artefacten
• Vergelijken van runs via de UI en API
• Gebruik van tags, notities en metadata
• Autologging: automatische logging per library (scikit-learn, TensorFlow, etc.)
• MLflow Projects
• Structureren van projecten met MLproject-bestanden
• Uitvoeren van herhaalbare runs met dependency management
• Integratie met Git en versiebeheer
• MLflow Models
• Opslaan, laden en toepassen van modellen
• Model formaten en ondersteuning voor diverse ML libraries
• Model deployment lokaal, via REST API of via CLI
• Gebruik van model URI's en structuur in modelbeheer
• MLflow Model Registry
• Registreren van modellen
• Versiebeheer en statusovergangen (staging, production, archived)
• Werken met goedkeuringsworkflows
• Rollback en modelhistorie bekijken
• Structuur en samenwerking in MLflow
• Best practices in experimentbeheer
• Werken met meerdere gebruikers, tagging en annotaties
• Model governance, audit trails en securityconcepten
• Organiseren van je MLflow omgeving voor teams
• Conceptuele integraties en omgevingen
• MLflow in enterprise-omgevingen en cloud setups (Azure ML, Databricks)
• Tracking backend, artefact storage en databaseconfiguraties
• Deploymentstrategieën: lokaal, via containers, of in cloud services
• Promptmanagement in MLflow: tracking van prompts en output bij generatieve AI
• Praktijkcase: end-to-end ML pipeline met MLflow
• Opzetten en trainen van een model (bijv. scikit-learn of PyTorch)
• Loggen van runs, parameters, metrics en artefacten
• Model opslaan, registreren en deployen
• Gebruik maken van zowel UI, CLI als API in één workflow
• Evaluatie en discussie op basis van eigen resultaten

Trainers

Om de praktijk zo dicht mogelijk te benaderen, werkt Eduvision uitsluitend met trainers die zelf in de praktijk actief zijn. Zij kennen de branche, de klanten en de problemen waar je tegenaan loopt. Daarom zijn zij tijdens deze training je persoonlijke coach. Deze vakexpert staat volledig tot je beschikking en ondersteunt direct en doelgericht bij je eigen praktijkcase.

Benodigdheden

Om het meeste rendement te halen uit de Training MLflow verzoeken wij je vriendelijk om je eigen laptop mee te nemen. Hierdoor heb je altijd jouw eigen praktijkcase en opleidingsmateriaal bij de hand en kun je thuis direct verder met je eigen case.

Doelgroep

Deze training is bedoeld voor professionals die actief betrokken zijn bij het ontwikkelen, beheren of implementeren van machine learning workflows, zoals data scientists, ML engineers of softwareontwikkelaars die modellen in productie brengen of beheren.

Voorkennis

Enige ervaring met het ontwikkelen en beheren van machine learning modellen is vereist; deelnemers moeten vertrouwd zijn met het trainen, evalueren en toepassen van modellen binnen een ontwikkelomgeving, ongeacht de gebruikte programmeertaal.

Kies uit 5 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 het cursusbedrag is alles inbegrepen: het cursusgeld, opleidingsmateriaal en lunch (lunch alleen bij dagcursussen).

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.