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