MLOps a Kubernetesen: CI/CD-folyamatok gépi tanuláshoz Képzés

A képzés végére a résztvevők képesek lesznek:

• Saját Docker image-eket készíteni.
• Nagyszámú Docker alkalmazást üzembe helyezni és kezelni.
• Különböző konténer orchestration megoldásokat értékelni és a legmegfelelőbbet kiválasztani.
• Folyamatos integrációs folyamatot beállítani Docker alkalmazásokhoz.
• Docker alkalmazásokat integrálni meglévő folyamatos integrációs eszközök folyamataival.
• Biztonságossá tenni Docker alkalmazásaikat.
• Kubernetes használatával különböző környezeteket üzembe helyezni és kezelni ugyanazon klaszter alatt.
• Kubernetes klasztert biztonságossá tenni, skálázni és monitorozni.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) haladó szintű AI mérnökök és adattudósok számára készült, akik középszintű vagy fejlett tapasztalattal rendelkeznek, és szeretnék javítani a DeepSeek modellek teljesítményét, csökkenteni a késleltetést, és hatékonyan üzembe helyezni az AI megoldásokat modern MLOps gyakorlatok segítségével.

A képzés végére a résztvevők képesek lesznek:

• Optimalizálni a DeepSeek modelleket hatékonyság, pontosság és skálázhatóság szempontjából.
• MLOps és modellverziókezelés legjobb gyakorlatainak implementálása.
• DeepSeek modellek üzembe helyezése felhőben és helyszíni infrastruktúrán.
• AI megoldások hatékony monitorozása, karbantartása és skálázása.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) haladó szintű platformmérnökök és DevOps szakemberek számára készült, akik szeretnék elsajátítani az alkalmazások skálázását microservices és Kubernetes segítségével.

A képzés végére a résztvevők képesek lesznek:

• Skálázható microservices architektúrák tervezésére és megvalósítására.
• Alkalmazások üzembe helyezésére és kezelésére Kubernetes klasztereken.
• Helm chartok használatára a szolgáltatások hatékony üzembe helyezéséhez.
• A microservices állapotának monitorozására és karbantartására éles környezetben.
• Biztonsági és megfelelőségi ajánlott gyakorlatok alkalmazására Kubernetes környezetben.

Ez az oktató által vezetett, élő képzés itt: Magyarország (online vagy helyszíni) azoknak a Kubernetes szakembereknek szól, akik szeretnének felkészülni a CKS vizsgára.

A képzés végére a résztvevők megtanulják, hogyan védjék meg a Kubernetes-környezeteket és a konténeralapú alkalmazásokat az alkalmazás életciklusának különböző szakaszaiban: build, telepítés és futásidő.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) azoknak a mérnököknek szól, akik szeretnék a Helm használatával egyszerűsíteni a Kubernetes alkalmazások telepítését és kezelését.

A képzés végére a résztvevők képesek lesznek:

• A Helm telepítése és konfigurálása.
• Reprodukálható Kubernetes alkalmazások létrehozása.
• Alkalmazások megosztása Helm chartok formájában.
• Harmadik féltől származó alkalmazások futtatása Helm chartokként mentve.
• Helm csomagok kiadásainak kezelése.

Ez a oktatóvezetésű, élő képzés Magyarország (online vagy helyszíni) fejlesztőknek és adattudósoknak szól, akik Kubernetesben szeretnének gépi tanulási munkafolyamatokat készíteni, kiépíteni és kezelni.

A képzés végére a résztvevők képesek lesznek:

• A Kubeflow telepítésére és konfigurálására saját környezetben és a felhőben.
• Docker konténerekre és Kubernetesre épülő ML munkafolyamatok építésére, kiépítésére és kezelésére.
• Teljes gépi tanulási pipeline futtatására különböző architektúrákon és felhő-környezetekben.
• A Kubeflow használatára Jupyter notebookok létrehozásához és kezeléséhez.
• ML edzési, hiperparaméter-optimalizálási és szolgáltatási terhelések készítésére több platformon keresztül.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) kezdő és középhaladó szintű szoftverfejlesztők és DevOps szakemberek számára készült, akik szeretnének megtanulni, hogyan állíthatnak be és kezelhetnek egy helyi Kubernetes környezetet a Minikube segítségével.

A képzés végén a résztvevők képesek lesznek:

• A Minikube telepítésére és konfigurálására a saját gépen.
• A Kubernetes alapvető fogalmainak és architektúrájának megértésére.
• Tárolók üzembe helyezésére és kezelésére a kubectl és a Minikube irányítópult segítségével.
• Állandó tárhely és hálózati megoldások beállítására a Kubernetes számára.
• A Minikube használatára alkalmazások fejlesztéséhez, teszteléséhez és hibakereséséhez.

Ez az oktató által vezetett, élő képzés <helyszínen> (online vagy helyszíni) középhaladó szintű fejlesztőknek és DevOps mérnököknek szól, akik szeretnék a Minikube-et használni a fejlesztési folyamatuk részeként.

A képzés végére a résztvevők képesek lesznek:

• Helyi Kubernetes környezet beállítására és kezelésére a Minikube segítségével.
• Megérteni, hogyan lehet alkalmazásokat telepíteni, kezelni és hibakeresni a Minikube-en.
• A Minikube integrálására a folyamatos integrációs és üzembehelyezési folyamataikba.
• A fejlesztési folyamat optimalizálására a Minikube haladó funkcióinak használatával.
• Helyi Kubernetes fejlesztésre vonatkozó ajánlott eljárások alkalmazására.

Ez az oktató által vezetett, élőben zajló képzés Magyarország (online vagy helyszíni) azoknak a mérnököknek szól, akik szeretnék felmérni a ma elérhető megközelítéseket és eszközöket, hogy informált döntést hozhassanak az MLOps szervezeten belüli bevezetésének útjáról.

A képzés végén a résztvevők képesek lesznek:

• Különböző MLOps keretrendszerek és eszközök telepítésére és konfigurálására.
• A megfelelő készségekkel rendelkező csapat összeállítására egy MLOps rendszer felépítéséhez és támogatásához.
• Adatok előkészítésére, ellenőrzésére és verziókezelésére a gépi tanulási modellek számára.
• Az ML folyamat összetevőinek és az egy ilyen folyamat felépítéséhez szükséges eszközök megértésére.
• Különböző gépi tanulási keretrendszerek és szerverek kipróbálására a termelési környezetbe történő üzembe helyezéshez.
• A gépi tanulási folyamat teljes operacionalizálására, hogy az reprodukálható és karbantartható legyen.