Διαδικτυακά ή επιτόπου, ζωντανά μαθήματα εκπαίδευσης MLOps από εκπαιδευτές επιδεικνύουν μέσω διαδραστικής πρακτικής εξάσκησης πώς να χρησιμοποιείτε τα εργαλεία MLOps για την αυτοματοποίηση και τη βελτιστοποίηση της ανάπτυξης και συντήρησης συστημάτων ML στην παραγωγή. Η εκπαίδευση MLOps είναι διαθέσιμη ως "online live training" ή "onsite live training". Η διαδικτυακή ζωντανή εκπαίδευση (γνωστή και ως "απομακρυσμένη ζωντανή εκπαίδευση") πραγματοποιείται μέσω μιας διαδραστικής, απομακρυσμένης επιφάνειας εργασίας . Η ζωντανή εκπαίδευση επιτόπου μπορεί να πραγματοποιηθεί τοπικά στις εγκαταστάσεις των πελατών στο Ελλάδα ή στα εταιρικά εκπαιδευτικά κέντρα NobleProg στο Ελλάδα. NobleProg -- Ο τοπικός σας πάροχος εκπαίδευσης
Machine Translated
MLOps Course Outlines
Course Name
Duration
Overview
Course Name
Duration
Overview
28 hours
Kubeflow είναι ένα πλαίσιο για την εκτέλεση Machine Learning εργασιακών φορτίων στο Kubernetes. TensorFlow είναι μια βιβλιοθήκη μηχανικής μάθησης και Kubernetes είναι μια πλατφόρμα ορχήστρας για τη διαχείριση δεξαμενών εφαρμογών.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή on-site) απευθύνεται σε μηχανικούς που επιθυμούν να αναπτύξουν Machine Learning φορτία εργασίας σε έναν διακομιστή AWS EC2.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Εγκαταστήστε και ρυθμίστε Kubernetes, Kubeflow και άλλο απαραίτητο λογισμικό στο AWS.
Χρησιμοποιήστε την EKS (Ελαστική Kubernetes Υπηρεσία) για να απλοποιήσετε το έργο της πρωτοβουλίας μιας Kubernetes ομάδας στο AWS.
Δημιουργήστε και εκτελέστε ένα Kubernetes σωλήνα για την αυτοματοποίηση και τη διαχείριση των μοντέλων ML στην παραγωγή.
Δοκιμάστε και εκτελέστε TensorFlow μοντέλα ML σε πολλαπλές GPUs και μηχανές που τρέχουν παράλληλα.
Παροχή άλλων υπηρεσιών που διαχειρίζεται η AWS για να επεκτείνει μια εφαρμογή ML.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
28 hours
Kubeflow είναι ένα πλαίσιο για την εκτέλεση Machine Learning εργασιακών φορτίων στο Kubernetes. TensorFlow είναι μία από τις πιο δημοφιλείς βιβλιοθήκες μηχανικής μάθησης. Kubernetes είναι μια πλατφόρμα ορχήστρας για τη διαχείριση δεξαμενών εφαρμογών.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή on-site) απευθύνεται σε μηχανικούς που επιθυμούν να αναπτύξουν Machine Learning εργασιακά φορτία στο Azure cloud.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Εγκαταστήστε και ρυθμίστε Kubernetes, Kubeflow και άλλο απαραίτητο λογισμικό στο Azure.
Χρησιμοποιήστε Azure Kubernetes Υπηρεσία (AKS) για να απλοποιήσετε το έργο της έναρξης ενός Kubernetes κλάσματος στο Azure.
Δημιουργήστε και εκτελέστε ένα Kubernetes σωλήνα για την αυτοματοποίηση και τη διαχείριση των μοντέλων ML στην παραγωγή.
Δοκιμάστε και εκτελέστε TensorFlow μοντέλα ML σε πολλαπλές GPUs και μηχανές που τρέχουν παράλληλα.
Παροχή άλλων υπηρεσιών που διαχειρίζεται η AWS για να επεκτείνει μια εφαρμογή ML.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
28 hours
Kubeflow είναι ένα πλαίσιο για την εκτέλεση Machine Learning εργασιακών φορτίων στο Kubernetes. TensorFlow είναι μία από τις πιο δημοφιλείς βιβλιοθήκες μηχανικής μάθησης. Kubernetes είναι μια πλατφόρμα ορχήστρας για τη διαχείριση δεξαμενών εφαρμογών.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή on-site) απευθύνεται σε μηχανικούς που επιθυμούν να αναπτύξουν Machine Learning εργασιακά φορτία στην Google Cloud Platform (GCP).
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Εγκαταστήστε και ρυθμίστε Kubernetes, Kubeflow και άλλο απαραίτητο λογισμικό στο GCP και GKE.
Χρησιμοποιήστε το GKE (Kubernetes Kubernetes Engine) για να απλοποιήσετε το έργο της έναρξης ενός Kubernetes κλάσματος στο GCP.
Δημιουργήστε και εκτελέστε ένα Kubernetes σωλήνα για την αυτοματοποίηση και τη διαχείριση των μοντέλων ML στην παραγωγή.
Εκτελέστε και εκτελέστε TensorFlow μοντέλα ML σε πολλαπλές GPUs και μηχανές που τρέχουν παράλληλα.
Παροχή άλλων υπηρεσιών GCP για την επέκταση μιας εφαρμογής ML.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
28 hours
Kubeflow είναι ένα πλαίσιο για την εκτέλεση Machine Learning εργασιακών φορτίων στο Kubernetes. TensorFlow είναι μία από τις πιο δημοφιλείς βιβλιοθήκες μηχανικής μάθησης. Kubernetes είναι μια πλατφόρμα ορχήστρας για τη διαχείριση δεξαμενών εφαρμογών.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή on-site) απευθύνεται σε μηχανικούς που επιθυμούν να αναπτύξουν Machine Learning εργασιακά φορτία στο IBM Cloud Kubernetes Service (IKS).
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Εγκατάσταση και διαμόρφωση Kubernetes, Kubeflow και άλλου απαραίτητου λογισμικού στην υπηρεσία IBM Cloud Kubernetes (IKS).
Χρησιμοποιήστε το IKS για να απλοποιήσετε το έργο της έναρξης μιας ομάδας Kubernetes στο IBM Cloud.
Δημιουργήστε και εκτελέστε ένα Kubernetes σωλήνα για την αυτοματοποίηση και τη διαχείριση των μοντέλων ML στην παραγωγή.
Δοκιμάστε και εκτελέστε TensorFlow μοντέλα ML σε πολλαπλές GPUs και μηχανές που τρέχουν παράλληλα.
Προσφέρετε άλλες υπηρεσίες IBM Cloud για να επεκτείνετε μια εφαρμογή ML.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
35 hours
MLOps είναι ένα σύνολο εργαλείων και μεθοδολογιών για τον συνδυασμό Machine Learning και DevOps πρακτικών. Ο στόχος του MLOps είναι να αυτοματοποιήσει και να βελτιστοποιήσει την εκτέλεση και τη συντήρηση των συστημάτων ML στην παραγωγή.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή online) απευθύνεται σε μηχανικούς που επιθυμούν να αξιολογήσουν τις προσεγγίσεις και τα εργαλεία που είναι διαθέσιμα σήμερα για να λάβουν μια έξυπνη απόφαση για το δρόμο προς τα εμπρός στην υιοθέτηση MLOps εντός της οργάνωσης τους.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Εγκαταστήστε και ρυθμίστε διάφορα MLOps πλαίσια και εργαλεία.
Συνδυάστε τον κατάλληλο τύπο ομάδας με τις κατάλληλες δεξιότητες για την κατασκευή και υποστήριξη ενός συστήματος MLOps.
Προετοιμασία, επικύρωση και έκδοση δεδομένων για χρήση από μοντέλα ML.
Κατανοήστε τα συστατικά ενός αγωγού ML και τα εργαλεία που απαιτούνται για την κατασκευή ενός.
Εμπειρία με διαφορετικά πλαίσια μηχανικής μάθησης και διακομιστές για την ανάπτυξη στην παραγωγή.
Ενεργοποιήστε ολόκληρη τη διαδικασία Machine Learning ώστε να είναι αναπαραγωγική και διατηρήσιμη.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
35 hours
Kubeflow είναι ένα εργαλείο για τη δημιουργία Machine Learning (ML) στο Kubernetes εύκολο, φορητό και κλιμάκιο. Το AWS EKS (Elastic Kubernetes Service) είναι μια υπηρεσία που διαχειρίζεται η Amazon για την εκτέλεση του Kubernetes στο AWS.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή on-site) απευθύνεται σε προγραμματιστές και επιστήμονες δεδομένων που επιθυμούν να δημιουργήσουν, να αναπτύξουν και να διαχειριστούν ροές εργασίας μηχανικής μάθησης Kubernetes.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Εγκατάσταση και διαμόρφωση Kubeflow στην προετοιμασία και στο σύννεφο χρησιμοποιώντας το AWS EKS (Elastic Kubernetes Service).
Κατασκευάστε, εκτελέστε και διαχειριστείτε τις ροές εργασίας ML με βάση Docker δοχεία και Kubernetes.
Εκτελέστε ολόκληρους σωλήνες μηχανικής μάθησης σε ποικίλες αρχιτεκτονικές και σύννεφα περιβάλλοντα.
Χρησιμοποιώντας Kubeflow για να σπάσει και να διαχειριστεί τα σημειωματάρια Jupyter.
Κατασκευάστε την εκπαίδευση ML, την τόνωση των υπερπρομέτρων και την εξυπηρέτηση εργασιακών φορτίων σε πολλές πλατφόρμες.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
28 hours
Το Kubeflow είναι ένα πλαίσιο για την εκτέλεση φόρτων εργασίας Machine Learning στο Kubernetes. TensorFlow είναι μια από τις πιο δημοφιλείς βιβλιοθήκες μηχανικής εκμάθησης. Το Kubernetes είναι μια πλατφόρμα ενορχήστρωσης για τη διαχείριση εφαρμογών με κοντέινερ. Το OpenShift είναι μια πλατφόρμα ανάπτυξης εφαρμογών cloud που χρησιμοποιεί κοντέινερ Docker, τα οποία ενορχηστρώνονται και διαχειρίζονται η Kubernetes, στα θεμέλια του Red Hat Enterprise Linux.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.
- Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να: Εγκαταστήσουν και να ρυθμίσουν 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.
- Διαδραστική διάλεξη και συζήτηση. Πολλές ασκήσεις και εξάσκηση. Πρακτική εφαρμογή σε περιβάλλον ζωντανού εργαστηρίου.
- Για να ζητήσετε μια εξατομικευμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσουμε.
28 hours
Kubeflow είναι ένα εργαλείο για τη δημιουργία Machine Learning (ML) στο Kubernetes εύκολο, φορητό και κλιμάκιο.
Αυτή η εκπαιδευτική, ζωντανή εκπαίδευση (online ή on-site) απευθύνεται σε προγραμματιστές και επιστήμονες δεδομένων που επιθυμούν να δημιουργήσουν, να αναπτύξουν και να διαχειριστούν ροές εργασίας μηχανικής μάθησης Kubernetes.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Εγκαταστήστε και ρυθμίστε Kubeflow στην προετοιμασία και στο σύννεφο.
Κατασκευάστε, εκτελέστε και διαχειριστείτε τις ροές εργασίας ML με βάση Docker δοχεία και Kubernetes.
Εκτελέστε ολόκληρους σωλήνες μηχανικής μάθησης σε ποικίλες αρχιτεκτονικές και σύννεφα περιβάλλοντα.
Χρησιμοποιώντας Kubeflow για να σπάσει και να διαχειριστεί τα σημειωματάρια Jupyter.
Κατασκευάστε την εκπαίδευση ML, την τόνωση των υπερπρομέτρων και την εξυπηρέτηση εργασιακών φορτίων σε πολλές πλατφόρμες.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
Για να μάθετε περισσότερα σχετικά με Kubeflow, παρακαλούμε επισκεφθείτε: https://github.com/kubeflow/kubeflow
21 hours
MLflow είναι μια πλατφόρμα ανοικτού κώδικα για την ομαλοποίηση και τη διαχείριση του κύκλου ζωής της μηχανικής μάθησης. Υποστηρίζει οποιαδήποτε βιβλιοθήκη, αλγόριθμο, εργαλείο εκτέλεσης ή γλώσσα ML (machine learning). Απλά προσθέστε MLflow στον υπάρχοντα κώδικα ML για να μοιραστείτε τον κώδικα σε οποιαδήποτε βιβλιοθήκη ML που χρησιμοποιείται μέσα στον οργανισμό σας.
Αυτή η εκπαιδευτική, ζωντανή κατάρτιση (online ή on-site) απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να προχωρήσουν πέρα από την κατασκευή μοντέλων ML και να βελτιστοποιήσουν τη διαδικασία δημιουργίας, παρακολούθησης και εκτέλεσης μοντέλων ML.
Μετά το τέλος της προπόνησης, οι συμμετέχοντες θα είναι σε θέση να:
-
Εγκαταστήστε και ρυθμίστε MLflow και συναφείς βιβλιοθήκες και πλαίσια ML.
Αξιολόγηση της σημασίας της ιχνηλασιμότητας, αναπαραγωγικότητας και εκμετάλλευσης ενός μοντέλου ML
Αναπτύξτε μοντέλα ML σε διαφορετικά δημόσια σύννεφα, πλατφόρμες ή σε διακομιστές.
Στάση της διαδικασίας εκτέλεσης ML για να φιλοξενήσει πολλαπλούς χρήστες που συνεργάζονται σε ένα έργο.
Δημιουργήστε ένα κεντρικό μητρώο για να πειραματιστείτε, να αναπαράγετε και να αναπτύξετε μοντέλα ML.
-
Διαδραστική διάλεξη και συζήτηση.
Πολλές ασκήσεις και πρακτικές.
Hands-on εφαρμογή σε ένα ζωντανό εργαστήριο περιβάλλον.
-
Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να οργανώσετε.
Last Updated:
Other countries
Consulting
Online MLOps courses, Weekend MLOps courses, Evening MLOps training, MLOps boot camp, MLOps instructor-led, Weekend MLOps training, Evening MLOps courses, MLOps coaching, MLOps instructor, MLOps trainer, MLOps training courses, MLOps classes, MLOps on-site, MLOps private courses, MLOps one on one training
