MLOps: CI/CD for Machine Learning Training Course

Αυτή η ζωντανή εκπαίδευση μέσω εκπαιδευτών (διαδικτυακή ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να προχωρήσουν πέρα από τη δημιουργία μοντέλων ML και να βελτιστοποιήσουν τη διαδικασία δημιουργίας, παρακολούθησης και ανάπτυξης μοντέλων ML.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εγκαταστήστε και διαμορφώστε MLflow και σχετικές βιβλιοθήκες και πλαίσια ML.
• Εκτιμήστε τη σημασία της δυνατότητας παρακολούθησης, της δυνατότητας αναπαραγωγής και της δυνατότητας ανάπτυξης ενός μοντέλου ML
• Αναπτύξτε μοντέλα ML σε διαφορετικά δημόσια σύννεφα, πλατφόρμες ή διακομιστές εσωτερικής εγκατάστασης.
• Κλιμακώστε τη διαδικασία ανάπτυξης ML για να φιλοξενήσει πολλούς χρήστες που συνεργάζονται σε ένα έργο.
• Ρυθμίστε ένα κεντρικό μητρώο για να πειραματιστείτε, να αναπαράγετε και να αναπτύξετε μοντέλα ML.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε προγραμματιστές και επιστήμονες δεδομένων που επιθυμούν να δημιουργήσουν, να αναπτύξουν και να διαχειριστούν ροές εργασιών μηχανικής μάθησης στο Kubernetes.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εγκαταστήστε και διαμορφώστε το Kubeflow στην εγκατάσταση και στο cloud χρησιμοποιώντας το AWS EKS (Elastic Kubernetes Service).
• Δημιουργήστε, αναπτύξτε και διαχειριστείτε ροές εργασίας ML με βάση τα κοντέινερ Docker και το Kubernetes.
• Εκτελέστε ολόκληρους αγωγούς μηχανικής εκμάθησης σε διαφορετικές αρχιτεκτονικές και περιβάλλοντα cloud.
• Χρήση του Kubeflow για δημιουργία και διαχείριση σημειωματάριων Jupyter.
• Δημιουργήστε εκπαίδευση ML, συντονισμό υπερπαραμέτρων και εξυπηρέτηση φόρτου εργασίας σε πολλές πλατφόρμες.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε μηχανικούς που επιθυμούν να αναπτύξουν Machine Learning φόρτους εργασίας σε έναν διακομιστή AWS EC2.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εγκαταστήστε και διαμορφώστε το Kubernetes, το Kubeflow και άλλο απαραίτητο λογισμικό στο AWS.
• Χρησιμοποιήστε το EKS (Elastic Kubernetes Service) για να απλοποιήσετε την εργασία προετοιμασίας ενός συμπλέγματος Kubernetes στο AWS.
• Δημιουργήστε και αναπτύξτε μια διοχέτευση Kubernetes για την αυτοματοποίηση και τη διαχείριση μοντέλων ML στην παραγωγή.
• Εκπαιδεύστε και αναπτύξτε TensorFlow μοντέλα ML σε πολλαπλές GPU και μηχανήματα που λειτουργούν παράλληλα.
• Αξιοποιήστε άλλες υπηρεσίες που διαχειρίζεται το AWS για να επεκτείνετε μια εφαρμογή ML.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε μηχανικούς που επιθυμούν να αναπτύξουν Machine Learning φόρτους εργασίας στο Azure cloud.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εγκαταστήστε και διαμορφώστε το Kubernetes, το Kubeflow και άλλο απαραίτητο λογισμικό στο Azure.
• Χρησιμοποιήστε την υπηρεσία Azure Kubernetes (AKS) για να απλοποιήσετε την εργασία προετοιμασίας ενός συμπλέγματος Kubernetes στο Azure.
• Δημιουργήστε και αναπτύξτε μια διοχέτευση Kubernetes για την αυτοματοποίηση και τη διαχείριση μοντέλων ML στην παραγωγή.
• Εκπαιδεύστε και αναπτύξτε TensorFlow μοντέλα ML σε πολλαπλές GPU και μηχανήματα που λειτουργούν παράλληλα.
• Αξιοποιήστε άλλες υπηρεσίες που διαχειρίζεται το AWS για να επεκτείνετε μια εφαρμογή ML.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε μηχανικούς που επιθυμούν να αναπτύξουν Machine Learning φόρτους εργασίας στο Google Cloud Platform (GCP).

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εγκαταστήστε και διαμορφώστε το Kubernetes, το Kubeflow και άλλο απαραίτητο λογισμικό στο GCP και στο GKE.
• Χρησιμοποιήστε το GKE (Kubernetes Kubernetes Engine) για να απλοποιήσετε την εργασία προετοιμασίας ενός συμπλέγματος Kubernetes στο GCP.
• Δημιουργήστε και αναπτύξτε μια διοχέτευση Kubernetes για την αυτοματοποίηση και τη διαχείριση μοντέλων ML στην παραγωγή.
• Εκπαιδεύστε και αναπτύξτε TensorFlow μοντέλα ML σε πολλαπλές GPU και μηχανήματα που λειτουργούν παράλληλα.
• Αξιοποιήστε άλλες υπηρεσίες GCP για να επεκτείνετε μια εφαρμογή ML.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακά ή επιτόπου) απευθύνεται σε μηχανικούς που επιθυμούν να αναπτύξουν Machine Learning φόρτους εργασίας στην IBM Cloud Kubernetes Service (IKS).

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εγκαταστήστε και διαμορφώστε το Kubernetes, το Kubeflow και άλλο απαραίτητο λογισμικό στο IBM Cloud Kubernetes Service (IKS).
• Χρησιμοποιήστε το IKS για να απλοποιήσετε την εργασία προετοιμασίας ενός συμπλέγματος Kubernetes στο IBM Cloud.
• Δημιουργήστε και αναπτύξτε μια διοχέτευση Kubernetes για την αυτοματοποίηση και τη διαχείριση μοντέλων ML στην παραγωγή.
• Εκπαιδεύστε και αναπτύξτε TensorFlow μοντέλα ML σε πολλαπλές GPU και μηχανήματα που λειτουργούν παράλληλα.
• Αξιοποιήστε άλλες υπηρεσίες IBM Cloud για να επεκτείνετε μια εφαρμογή ML.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών (διαδικτυακή ή επιτόπου) απευθύνεται σε μηχανικούς που επιθυμούν να αναπτύξουν φόρτους εργασίας Μηχανικής Εκμάθησης σε OpenShift on-premise ή υβριδικό σύννεφο.

• Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
• Εγκαταστήστε και διαμορφώστε το Kubernetes και το Kubeflow σε ένα σύμπλεγμα OpenShift.
• Χρησιμοποιήστε το OpenShift για να απλοποιήσετε την εργασία προετοιμασίας ενός συμπλέγματος Kubernetes.
• Δημιουργήστε και αναπτύξτε μια διοχέτευση Kubernetes για την αυτοματοποίηση και τη διαχείριση μοντέλων ML στην παραγωγή.
• Εκπαιδεύστε και αναπτύξτε TensorFlow μοντέλα ML σε πολλαπλές GPU και μηχανήματα που λειτουργούν παράλληλα.
• Καλέστε δημόσιες υπηρεσίες cloud (π.χ. υπηρεσίες AWS) από το OpenShift για να επεκτείνετε μια εφαρμογή ML

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε προγραμματιστές και επιστήμονες δεδομένων που επιθυμούν να δημιουργήσουν, να αναπτύξουν και να διαχειριστούν ροές εργασιών μηχανικής μάθησης στο Kubernetes.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εγκαταστήστε και διαμορφώστε το Kubeflow σε premise και στο cloud.
• Δημιουργήστε, αναπτύξτε και διαχειριστείτε ροές εργασίας ML με βάση τα κοντέινερ Docker και Kubernetes.
• Εκτελέστε ολόκληρους αγωγούς μηχανικής εκμάθησης σε διαφορετικές αρχιτεκτονικές και περιβάλλοντα cloud.
• Χρήση του Kubeflow για δημιουργία και διαχείριση φορητών υπολογιστών Jupyter.
• Δημιουργήστε εκπαίδευση ML, συντονισμό υπερπαραμέτρων και εξυπηρέτηση φόρτου εργασίας σε πολλές πλατφόρμες.

Το μάθημα DevOps Foundation παρέχει μια βασική κατανόηση της βασικής ορολογίας DevOps για να διασφαλίσει ότι όλοι μιλούν την ίδια γλώσσα και τονίζει τα οφέλη του DevOps για την υποστήριξη της οργανωτικής επιτυχίας.

Τα θέματα των μαθημάτων που καλύπτονται περιλαμβάνουν τον τρόπο με τον οποίο το DevSecOps παρέχει επιχειρηματική αξία, ενισχύοντας τις επιχειρηματικές ευκαιρίες σας και βελτιώνοντας την εταιρική αξία. Οι βασικές αρχές DevSecOps που διδάσκονται μπορούν να υποστηρίξουν έναν οργανωτικό μετασχηματισμό, να αυξήσουν την παραγωγικότητα, να μειώσουν τον κίνδυνο και να βελτιστοποιήσουν τη χρήση των πόρων.

Το μάθημα υπογραμμίζει την ανθρώπινη δυναμική της πολιτιστικής αλλαγής και εξοπλίζει τους συμμετέχοντες με πρακτικές, μεθόδους και εργαλεία για να προσελκύσουν ανθρώπους σε όλο το φάσμα DevOps μέσω της χρήσης σεναρίων και περιπτωσιολογικών μελετών της πραγματικής ζωής. Με την ολοκλήρωση του μαθήματος, οι συμμετέχοντες θα έχουν απτές προτάσεις για μόχλευση όταν επιστρέψουν στο γραφείο, όπως η κατανόηση της χαρτογράφησης ροής αξίας.

Το DevSecOps Practitioner εισάγει μια σειρά πρακτικών για την προώθηση σε πιο ολοκληρωμένη κατανόηση των πρακτικών DevSecOps. Εξερευνήστε πρακτικά αποτελέσματα με την εύρεση του σωστού μείγματος ανθρώπων, τη δημιουργία διαδικασιών για την επιτάχυνση της αξίας και τη σύγκριση των τεχνολογικών επιλογών που είναι διαθέσιμες σήμερα. Προσαρμοσμένο για οργανισμούς που μετασχηματίστηκαν πρόσφατα και θέλουν να βελτιώσουν τις δεξιότητες και την ευαισθητοποίηση του DevSecOps.

Αυτό το μάθημα έχει σχεδιαστεί για συμμετέχοντες που ασχολούνται με το σχεδιασμό, την υλοποίηση και τη διαχείριση DevOps αγωγών ανάπτυξης και αλυσίδων εργαλείων που υποστηρίζουν Συνεχή Ενοποίηση, Συνεχή Παράδοση, Συνεχή Δοκιμή και δυνητικά Συνεχή Ανάπτυξη. Το μάθημα υπογραμμίζει τις υποστηρικτικές διαδικασίες, τις μετρήσεις, τα APls και τις πολιτιστικές εκτιμήσεις με τη συνεχή παράδοση

Μάθετε πώς να βελτιστοποιείτε τις δοκιμές, να δοκιμάζετε πιο γρήγορα και να έχετε καλή ποιότητα και ένα σταθερό σταθερό αποτέλεσμα.

Εισαγωγή στις αρχές, τις πρακτικές και τα εργαλεία διαχείρισης ροής αξίας. Σχεδιασμένο για τη βελτιστοποίηση της ροής και της υλοποίησης αξίας σε ψηφιακές ροές αξίας και την ανάπτυξη των δεξιοτήτων των ατόμων. Οι ροές ψηφιακής αξίας περιλαμβάνουν τις εφαρμογές λογισμικού και τις υπηρεσίες εκτός από τις πλατφόρμες που τις υποστηρίζουν, π.χ. υποδομές cloud ή DevOps αλυσίδες εργαλείων