Online vagy helyszíni, oktatók által vezetett élő MLOps képzések interaktív gyakorlati gyakorlatokon keresztül mutatják be, hogyan lehet az MLOps eszközöket automatizálni és optimalizálni az ML rendszerek üzembe helyezését és karbantartását a termelésben. Az MLOps képzés "online élő edzés" vagy "helyszíni élő edzés" formában érhető el. Az online élő képzés (más néven "távoli élő képzés") egy interaktív, távoli asztalon keresztül történik. Helyszíni élő képzés végezhető helyben az ügyfelek telephelyén Magyarország vagy a NobleProg vállalati képzési központjaiban Magyarország. NobleProg – az Ön helyi képzési szolgáltatója
Machine Translated
MLOps Course Outlines
Kurzusnév
Időtartalma
Összefoglaló
Kurzusnév
Időtartalma
Összefoglaló
35 hours
MLOps az eszközök és módszerek összessége a Machine Learning és DevOps gyakorlatok kombinálására. A (2) cél az, hogy automatizálja és optimalizálja az ML rendszerek telepítését és karbantartását a gyártásban.
Ez az oktató által vezetett, élő képzés (online vagy on-site) olyan mérnökökre irányul, akik szeretnék értékelni a mai rendelkezésre álló megközelítéseket és eszközöket, hogy intelligens döntést hozjanak a szervezetükön belüli elfogadás útján MLOps.
A képzés befejezése után a résztvevők képesek lesznek:
-
Telepítse és konfigurálja a különböző MLOps kereteket és eszközöket.
Gyűjtsük össze a megfelelő típusú csapatot a megfelelő készségekkel egy MLOps rendszer kialakításához és támogatásához.
Az ML modellek által használható adatok előkészítése, validálása és verziói.
Ismerje meg az ML Pipeline összetevőit és az egyik létrehozásához szükséges eszközöket.
Kísérlet a különböző gépi tanulási keretekkel és szerverekkel a termeléshez való elhelyezéshez.
Működjön az egész Machine Learning folyamat úgy, hogy újrahasznosítható és fenntartható legyen.
-
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
-
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
28 hours
Kubeflow Ez egy keret a futás Machine Learning munkafogyasztáson Kubernetes. TensorFlow egy gépi tanulási könyvtár és Kubernetes egy orchestrációs platform a tartályos alkalmazások kezelésére.
Ez az oktató által vezetett, élő képzés (online vagy online) olyan mérnökökre irányul, akik Machine Learning munkaköltségeket szeretnének telepíteni egy AWS EC2 szerverre.
A képzés befejezése után a résztvevők képesek lesznek:
-
Telepítse és konfigurálja Kubernetes, Kubeflow és más szükséges szoftvert az AWS-en.
Az EKS (Elastic Kubernetes Service) használatával egyszerűsíti az AWS-en egy Kubernetes klaszter kezdeményezésének munkáját.
Hozzon létre és telepítsen Kubernetes csővezetéket az ML modellek automatizálására és kezelésére a gyártásban.
Ugrás és telepítés TensorFlow ML modellek több GPU és gépek fut párhuzamosan.
Más AWS-menedzselt szolgáltatások nyújtása az ML alkalmazás kiterjesztéséhez.
-
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
-
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
28 hours
Kubeflow A munkavégzés keretén alapuló Machine Learning munkaköltség Kubernetes. TensorFlow az egyik legnépszerűbb gépi tanulás könyvtárak. Kubernetes egy orchestrációs platform a kontejneres alkalmazások kezelésére.
Ez az oktató által vezetett, élő képzés (online vagy on-site) olyan mérnökökre irányul, akik Machine Learning munkaköltségeket szeretnének telepíteni a Azure felhőre.
A képzés befejezése után a résztvevők képesek lesznek:
-
Telepítse és konfigurálja Kubernetes, Kubeflow és más szükséges szoftvert Azure.
Használja Azure Kubernetes Szolgáltatás (AKS), hogy egyszerűsítse a munkát kezdeményezésére egy Kubernetes csoport Azure.
Hozzon létre és telepítsen Kubernetes csővezetéket az ML modellek automatizálására és kezelésére a gyártásban.
Ugrás és telepítés TensorFlow ML modellek több GPUs és gépek fut párhuzamosan.
Más AWS-menedzselt szolgáltatások nyújtása az ML alkalmazás kiterjesztéséhez.
-
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
-
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
28 hours
Kubeflow A munkavégzés keretén alapuló Machine Learning munkaköltség Kubernetes. TensorFlow az egyik legnépszerűbb gépi tanulás könyvtárak. Kubernetes egy orchestrációs platform a kontejneres alkalmazások kezelésére.
Ez az oktató által vezetett, élő képzés (online vagy on-site) olyan mérnökökre irányul, akik Machine Learning munkaköltségeket szeretnének telepíteni a Google Cloud Platform (GCP) területére.
A képzés befejezése után a résztvevők képesek lesznek:
-
Telepítse és konfigurálja Kubernetes, Kubeflow és egyéb szükséges szoftvereket a GCP és a GKE rendszereken.
Használja a GKE (Kubernetes Kubernetes Motor), hogy egyszerűsítse a munkát kezdeményezésére egy Kubernetes klaszter a GCP.
Hozzon létre és telepítsen Kubernetes csővezetéket az ML modellek automatizálására és kezelésére a gyártásban.
Az ML modelleket több GPU és párhuzamosan futó gépeken keresztül vezessük és telepítsük.
Más GCP szolgáltatások nyújtása az ML alkalmazás kiterjesztéséhez.
-
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
-
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
28 hours
Kubeflow Ez egy keret a futás Machine Learning munkafogyasztáson Kubernetes. TensorFlow az egyik legnépszerűbb gépi tanulás könyvtárak. Kubernetes egy orchestrációs platform a kontejneres alkalmazások kezelésére.
Ez az oktató által vezetett, élő képzés (online vagy on-site) olyan mérnökökre irányul, akik Machine Learning munkaköltségeket kívánnak elhelyezni az IBM Cloud Kubernetes Szolgáltatás (IKS).
A képzés befejezése után a résztvevők képesek lesznek:
-
Telepítse és konfigurálja Kubernetes, Kubeflow és egyéb szükséges szoftvert az IBM Cloud Kubernetes Szolgáltatáson (IKS).
Használja az IKS-t, hogy megkönnyítse a munka kezdeményezését egy Kubernetes csoportba az IBM Cloud-on.
Hozzon létre és telepítsen Kubernetes csővezetéket az ML modellek automatizálására és kezelésére a gyártásban.
Ugrás és telepítés TensorFlow ML modellek több GPU és gépek fut párhuzamosan.
Más IBM Cloud szolgáltatások nyújtása az ML alkalmazás kiterjesztéséhez.
-
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
-
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
35 hours
Kubeflow Az eszközkészlet az Machine Learning (ML) létrehozásához könnyű, hordozható és méretezhető. Az AWS EKS (Elastic Kubernetes Service) az Amazon által üzemeltetett szolgáltatás az AWS üzemeltetéséhez.
Ez az oktató által vezetett, élő képzés (online vagy online) célja a fejlesztők és az adattudósok, akik szeretnék építeni, telepíteni, és kezelni a gépi tanulás munkafolyamatok Kubernetes.
A képzés befejezése után a résztvevők képesek lesznek:
-
Telepítse és konfigurálja Kubeflow a prémium és a felhőben az AWS EKS (Elastic Kubernetes Service) használatával.
Építsen, telepítse és kezelje az ML munkafolyamatokat Docker tartályok és Kubernetes alapján.
Végezze el a teljes gépi tanulási csöveket a különböző építészeteken és felhőkörnyezeteken.
Használja Kubeflow a Jupyter notebookok szivárgására és kezelésére.
Építsen ML képzést, hyperparameter tuningot és kiszolgálja a munkaköltségeket több platformon keresztül.
-
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
-
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
28 hours
Kubeflow Ez egy keretrendszer az Machine Learning munkaköltségek futtatásához Kubernetes. TensorFlow Az egyik legnépszerűbb gépi tanulási könyvtár. Kubernetes egy orchestrációs platform a kontejneres alkalmazások kezelésére. OpenShift egy felhőalkalmazások fejlesztési platform, amely Docker tartályokat használ, szervezett és kezelt Kubernetes, a Red Hat Enterprise alapja Linux.
Ez az oktató által vezetett, élő képzés (online vagy on-site) olyan mérnökökre irányul, akik Machine Learning munkaköltségeket szeretnének elhelyezni egy OpenShift on-premise vagy hibrid felhőre.
-
A képzés befejezése után a résztvevők képesek lesznek:
Helyezze be és állítsa be Kubernetes és Kubeflow egy csoportot OpenShift.
Használja OpenShift, hogy egyszerűsítse a munkát a kezdeményezés egy Kubernetes klaszter.
Hozzon létre és telepítsen egy Kubernetes csővezetéket az ML modellek automatizálására és kezelésére a gyártásban.
Ugrás és telepítés TensorFlow ML modellek több GPUs és gépek fut párhuzamosan.
A nyilvános felhőszolgáltatásokat (például az AWS-szolgáltatásokat) innen OpenShift hívja fel, hogy kiterjessze az ML alkalmazást.
-
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
-
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
28 hours
Kubeflow Az eszközkészlet az Machine Learning (ML) létrehozásához könnyű, hordozható és méretezhető.
Ez az oktató által vezetett, élő képzés (online vagy online) célja a fejlesztők és az adattudósok, akik szeretnék építeni, telepíteni, és kezelni a gépi tanulás munkafolyamatok Kubernetes.
A képzés befejezése után a résztvevők képesek lesznek:
-
Telepítse és konfigurálja Kubeflow a prémiumban és a felhőben.
Építsen, telepítse és kezelje az ML munkafolyamatokat Docker tartályok és Kubernetes alapján.
Végezze el a teljes gépi tanulási csöveket a különböző építészeteken és felhőkörnyezeteken.
Használja Kubeflow a Jupyter notebookok szivárgására és kezelésére.
Építsen ML képzést, hyperparameter tuningot és kiszolgálja a munkaköltségeket több platformon keresztül.
-
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
-
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Ha többet szeretne megtudni Kubeflow, kérjük, látogasson el: https://github.com/kubeflow/kubeflow
21 hours
MLflow egy nyílt forráskódú platform a gépi tanulás életciklusának egyszerűsítésére és kezelésére. Támogatja az ML (machine learning) könyvtárat, algoritmust, telepítési eszközt vagy nyelvet. Egyszerűen adja hozzá MLflow a meglévő ML kódot, hogy megosszák a kódot bármilyen ML könyvtárban használják a szervezetben.
Ez az oktató által vezetett, élő képzés (online vagy online) olyan adattudósokra irányul, akik túlmutatnak az ML modellek építésén és optimalizálják az ML modellek létrehozásának, nyomon követésének és telepítésének folyamatát.
A képzés befejezése után a résztvevők képesek lesznek:
-
Telepítse és konfigurálja MLflow és kapcsolódó ML könyvtárakat és kereteket.
Értékelje az ML-modell nyomonkövethetőségének, reprodukálhatóságának és megvalósíthatóságának fontosságát
Az ML modellek telepítése különböző nyilvános felhőkre, platformokra vagy on-premise szerverekre.
Skálázza az ML elhelyezési folyamatát, hogy több felhasználó együttműködjön egy projektben.
Hozzon létre egy központi nyilvántartást az ML modellek kísérletezésére, reprodukálására és telepítésére.
-
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
-
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
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
