Docker dla MLOps: Konteneryzacja potoków end-to-end - Plan Szkolenia

To szkolenie prowadzone przez instruktora, realizowane w formie Polsce (online lub stacjonarnie), jest skierowane do inżynierów, którzy chcą pogłębić swoją wiedzę o Dockerze w celu wdrażania aplikacji w większej skali, jednocześnie zachowując pełną kontrolę.

Na koniec tego szkolenia uczestnicy będą mogli:

• Budować własne obrazy Dockera.
• Wdrażać i zarządzać dużą liczbą aplikacji Docker.
• Wynajdować różne rozwiązania orkiestracji kontenerów i wybierać najbardziej odpowiedni.
• Ustawiać proces ciągłej integracji dla aplikacji Docker.
• Integrować aplikacje Docker z istniejącymi procesami integracji narzędzi ciągłych.
• Ubezpieczać swoje aplikacje Docker.

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do zaawansowanych inżynierów AI i naukowców zajmujących się danymi, którzy posiadają doświadczenie na poziomie średniozaawansowanym do zaawansowanego i chcą poprawić wydajność modeli DeepSeek, zminimalizować opóźnienia oraz efektywnie wdrażać rozwiązania AI, korzystając z nowoczesnych praktyk MLOps.

Pod koniec szkolenia uczestnicy będą mogli:

• Optymalizować modele DeepSeek pod kątem wydajności, dokładności i skalowalności.
• Wdrażać najlepsze praktyki w zakresie MLOps i wersjonowania modeli.
• Wdrażać modele DeepSeek w infrastrukturze chmurowej i lokalnej.
• Monitorować, utrzymywać i skalować rozwiązania AI w sposób efektywny.

Naucz się, jak budować, wdrażać i administrować środowiskami kontenerowymi przy użyciu Dockera, Kubernetes i OpenShift. To pięciodniowe szkolenie praktyczne obejmuje obrazy kontenerów, obciążenia Kubernetes, sieci klastrowe, pamięć masową, bezpieczeństwo, monitorowanie i praktyczną administrację OpenShift. Uczestnicy zdobędą umiejętności niezbędne do operowania nowoczesnymi platformami kontenerowymi i rozwiązywania problemów z aplikacjami w środowiskach deweloperskich i produkcyjnych.

W tym szkoleniu prowadzonym przez instruktora, na żywo w Polsce (na miejscu lub zdalnie), uczestnicy nauczą się, jak tworzyć i zarządzać kontenerami Docker, a następnie wdrożyć przykładową aplikację w kontenerze. Uczestnicy dowiedzą się również, jak zautomatyzować, skalować i zarządzać swoimi aplikacjami konteneryzowanymi w klastrze Kubernetes. Na koniec szkolenie przechodzi do bardziej zaawansowanych tematów, prowadząc uczestników przez proces zabezpieczania, skalowania i monitorowania klastra Kubernetes.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Skonfigurować i uruchomić kontener Docker.
• Wdrożyć konteneryzowany serwer i aplikację internetową.
• Budować i zarządzać obrazami Docker.
• Skonfigurować klaster Docker i Kubernetes.
• Używać Kubernetes do wdrażania i zarządzania klastrową aplikacją internetową.
• Zabezpieczać, skalować i monitorować klaster Kubernetes.

Cele szkolenia: Zdobycie teoretycznych i operacyjnych umiejętności w zakresie Docker i Kubernetes.

Kurs "Zaawansowane Docker i Kubernetes" to kompleksowe szkolenie obejmujące platformę Kubernetes i jej ekosystem. Adresowany jest do uczestników o różnych doświadczeniach, zapewniając pełen zakres funkcji podstawowych i zaawansowanych Kubernetes. Obejmuje kluczowe koncepcje, takie jak Pojemniki, Etykiety, Kontrolery, Usługi, Sekrety, Trwałe Wolumeny Danych, Przestrzenie Nazw, Kontyngenty, Model Sieciowy Kontenerów, Odkrywanie Usług, Skalowanie, Bilansowanie Obciążenia, Zarządzanie Klastrami, Instalacja Kubernetes, Zabezpieczanie Klastra, Kontrola Dostępu, Wysoka Dostępność Kontrolera, Monitorowanie i Logowanie, Autoukładanie Aplikacji, Zaawansowane Planowanie, Aplikacje Oparte na Mikrousługach, Wzorce Projektowania Aplikacji, i Wdrożenie Aplikacji na Klastrze Kubernetes.

To szkolenie prowadzone przez wykładowcę, realizowane na żywo Polsce (online lub stacjonarnie), jest przeznaczone dla developerów i naukowców danych, którzy chcą budować, wdrażać i zarządzać workflowami uczenia maszynowego na Kubernetesie.

Pod koniec szkolenia uczestnicy będą w stanie:

• Instalować i konfigurować Kubeflow w środowiskach on-premise oraz w chmurze.
• Budować, wdrażać i zarządzać workflowami ML opartymi na kontenerach Docker i Kubernetesie.
• Uruchamiać kompletne pipeline'y uczenia maszynowego na różnych architekturach i w środowiskach chmurowych.
• Wykorzystywać Kubeflow do tworzenia i zarządzania notatnikami Jupyter.
• Budować obciążenia związane z treningiem ML, dostrojeniem hiperparametrów oraz obsługą (serving) na wielu platformach.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do inżynierów, którzy chcą ocenić dostępne obecnie podejścia i narzędzia, aby podjąć świadomą decyzję dotyczącą wdrożenia MLOps w swojej organizacji.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Instalować i konfigurować różne frameworki i narzędzia MLOps.
• Zbudować odpowiedni zespół z odpowiednimi umiejętnościami do tworzenia i wspierania systemu MLOps.
• Przygotowywać, walidować i wersjonować dane do użycia przez modele ML.
• Zrozumieć komponenty potoku ML oraz narzędzia potrzebne do jego zbudowania.
• Eksperymentować z różnymi frameworkami i serwerami do uczenia maszynowego w celu wdrożenia do produkcji.
• Operacjonalizować cały proces uczenia maszynowego, aby był powtarzalny i łatwy w utrzymaniu.