
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
-
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.
-
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.
-
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.
-
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.
-
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.
-
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.
- 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.
-
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
-
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: