Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Czas trwania 14 godzin
Plan Szkolenia
Wprowadzenie do konteneryzacji w AI i ML
- Podstawowe pojęcia związane z konteneryzacją
- Dlaczego kontenery są idealne dla zadań ML
- Kluczowe różnice między kontenerami a maszynami wirtualnymi
Praca z obrazami i kontenerami Dockera
- Zrozumienie obrazów, warstw i rejestrów
- Zarządzanie kontenerami na potrzeby eksperymentów ML
- Efektywne korzystanie z interfejsu CLI Dockera
Pakowanie środowisk ML
- Przygotowywanie kodu źródłowego projektów ML do konteneryzacji
- Zarządzanie środowiskami Pythona i zależnościami
- Integracja wsparcia dla CUDA i GPU
Tworzenie plików Dockerfile dla uczenia maszynowego
- Strukturyzacja plików Dockerfile w projektach ML
- Najlepsze praktyki dotyczące wydajności i łatwości utrzymania
- Korzystanie z budowania wieloetapowego
Umieszczanie modeli i potoków ML w kontenerach
- Pakowanie wytrenowanych modeli do kontenerów
- Zarządzanie strategiami przechowywania danych
- Wdrażanie powtarzalnych przepływów pracy od początku do końca
Uruchamianie skonteneryzowanych usług ML
- Udostępnianie punktów końcowych API do wnioskowania modeli
- Skalowanie usług za pomocą Docker Compose
- Monitorowanie zachowania w czasie działania
Zagadnienia bezpieczeństwa i zgodności
- Zapewnianie bezpiecznych konfiguracji kontenerów
- Zarządzanie dostępem i poświadczeniami
- Obsługa poufnych zasobów ML
Wdrażanie w środowiskach produkcyjnych
- Publikowanie obrazów w rejestrach kontenerów
- Wdrażanie kontenerów w konfiguracjach lokalnych lub chmurowych
- Wersjonowanie i aktualizowanie usług produkcyjnych
Podsumowanie i dalsze kroki
Wymagania
- Znajomość przepływów pracy w uczeniu maszynowym
- Doświadczenie w pracy z językiem Python lub podobnymi językami programowania
- Znajomość podstawowych operacji wiersza poleceń systemu Linux
Grupa docelowa
- Inżynierowie ML wdrażający modele do środowisk produkcyjnych
- Analitycy danych zarządzający powtarzalnymi środowiskami eksperymentalnymi
- Deweloperzy AI tworzący skalowalne aplikacje w kontenerach
Opinie uczestników (2)
Jak już mówiłem wcześniej, dla osoby takiej jak ja (bez doświadczenia) był to punkt wyjścia do zrozumienia funkcji i możliwości tych programów/narzędzi itd.
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
Szkolenie - Docker and Kubernetes
Przetłumaczone przez sztuczną inteligencję
wielopoziomowy, ustrukturyzowany program kursu.
Bert Paelinckx - Cube SoftwareSolutions
Szkolenie - Introduction to Docker
Przetłumaczone przez sztuczną inteligencję