Szkolenia MLOps

Kubeflow to framework do uruchamiania obciążeń uczenia maszynowego na Kubernetes. TensorFlow to biblioteka uczenia maszynowego, a Kubernetes to platforma orkiestracji do zarządzania aplikacjami kontenerowymi. To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą wdrożyć Machine Learning obciążenia na serwerze AWS EC2. Po zakończeniu tego szkolenia uczestnicy będą w stanie

Zainstaluj i skonfiguruj Kubernetes, Kubeflow i inne potrzebne oprogramowanie na AWS. Wykorzystanie usługi EKS (Elastic Kubernetes Service) do uproszczenia procesu inicjalizacji klastra Kubernetes na platformie AWS. Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w produkcji. Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle. Wykorzystanie innych zarządzanych usług AWS do rozszerzenia aplikacji ML.

Format kursu

Interaktywny wykład i dyskusja. Dużo ćwiczeń i praktyki. Praktyczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

Kubeflow to framework do uruchamiania obciążeń uczenia maszynowego na Kubernetes. TensorFlow jest jedną z najpopularniejszych bibliotek uczenia maszynowego. Kubernetes to platforma orkiestracji do zarządzania aplikacjami kontenerowymi. To prowadzone przez instruktora szkolenie na żywo (w trybie online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą wdrożyć Machine Learning obciążenia w chmurze Azure. Po zakończeniu tego szkolenia uczestnicy będą w stanie

Zainstaluj i skonfiguruj Kubernetes, Kubeflow i inne potrzebne oprogramowanie na platformie Azure. Korzystanie z usługi Azure Kubernetes Service (AKS) w celu uproszczenia inicjalizacji klastra Kubernetes na platformie Azure. Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w środowisku produkcyjnym. Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle. Wykorzystanie innych usług zarządzanych przez AWS do rozszerzenia aplikacji ML.

Format kursu

Interaktywny wykład i dyskusja. Dużo ćwiczeń i praktyki. Praktyczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

Kubeflow to framework do uruchamiania obciążeń uczenia maszynowego na Kubernetes. TensorFlow jest jedną z najpopularniejszych bibliotek uczenia maszynowego. Kubernetes to platforma orkiestracji do zarządzania aplikacjami kontenerowymi. To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą wdrożyć Machine Learning obciążenia na Google Cloud Platform (GCP). Po zakończeniu tego szkolenia uczestnicy będą w stanie

Zainstaluj i skonfiguruj Kubernetes, Kubeflow i inne potrzebne oprogramowanie na GCP i GKE. Korzystanie z GKE (Kubernetes Kubernetes Engine) w celu uproszczenia pracy związanej z inicjalizacją klastra Kubernetes na GCP. Utworzenie i wdrożenie potoku Kubernetes do automatyzacji i zarządzania modelami ML w środowisku produkcyjnym. Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle. Wykorzystanie innych usług GCP do rozszerzenia aplikacji ML.

Format kursu

Interaktywny wykład i dyskusja. Dużo ćwiczeń i praktyki. Praktyczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

Kubeflow to framework do uruchamiania obciążeń uczenia maszynowego na Kubernetes. TensorFlow jest jedną z najpopularniejszych bibliotek uczenia maszynowego. Kubernetes to platforma orkiestracji do zarządzania aplikacjami kontenerowymi. To prowadzone przez instruktora szkolenie na żywo (w trybie online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą wdrożyć Machine Learning obciążenia w usłudze IBM Cloud Kubernetes Service (IKS). Po zakończeniu tego szkolenia uczestnicy będą w stanie

Zainstaluj i skonfiguruj Kubernetes, Kubeflow i inne potrzebne oprogramowanie w usłudze IBM Cloud Kubernetes Service (IKS). Wykorzystanie IKS do uproszczenia procesu inicjalizacji klastra Kubernetes na platformie IBM Cloud. Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w środowisku produkcyjnym. Trenowanie i wdrażanie TensorFlow modeli ML na wielu procesorach graficznych i maszynach działających równolegle. Wykorzystanie innych usług IBM Cloud do rozszerzenia aplikacji ML.

Format kursu

Interaktywny wykład i dyskusja. Dużo ćwiczeń i praktyki. Praktyczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

MLOps to zestaw narzędzi i metodologii łączących praktyki Machine Learning i DevOps. Celem MLOps jest automatyzacja i optymalizacja wdrażania i utrzymania systemów ML w produkcji. To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą ocenić dostępne obecnie podejścia i narzędzia, aby podjąć inteligentną decyzję dotyczącą dalszej drogi do przyjęcia MLOps w swojej organizacji. Po zakończeniu tego szkolenia uczestnicy będą w stanie

Instalowanie i konfigurowanie różnych frameworków i narzędzi MLOps. Zebranie odpowiedniego zespołu z odpowiednimi umiejętnościami do budowy i obsługi systemu MLOps. Przygotowanie, walidacja i wersjonowanie danych do wykorzystania przez modele ML. Zrozumienie komponentów potoku uczenia maszynowego i narzędzi potrzebnych do jego zbudowania. Eksperymentowanie z różnymi frameworkami uczenia maszynowego i serwerami w celu wdrożenia do produkcji. Zoperacjonalizowanie całego procesu uczenia maszynowego tak, aby można go było odtworzyć i utrzymać.

Format kursu

Interaktywny wykład i dyskusja. Dużo ćwiczeń i praktyki. Praktyczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

Kubeflow to zestaw narzędzi, dzięki któremu Machine Learning (ML) na Kubernetes jest łatwy, przenośny i skalowalny. AWS EKS (Elastic Kubernetes Service) to zarządzana przez Amazon usługa do uruchamiania Kubernetes na AWS. To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla programistów i naukowców zajmujących się danymi, którzy chcą tworzyć, wdrażać i zarządzać przepływami pracy uczenia maszynowego w Kubernetes. Po zakończeniu tego szkolenia uczestnicy będą w stanie

Instalowanie i konfigurowanie Kubeflow na miejscu i w chmurze przy użyciu AWS EKS (Elastic Kubernetes Service). Tworzenie, wdrażanie i zarządzanie przepływami pracy ML w oparciu o kontenery Docker i Kubernetes. Uruchamiać całe potoki uczenia maszynowego w różnych architekturach i środowiskach chmurowych. Używanie Kubeflow do tworzenia i zarządzania notatnikami Jupyter. Tworzenie szkoleń ML, dostrajanie hiperparametrów i obsługiwanie obciążeń na wielu platformach.

Format kursu

Interaktywny wykład i dyskusja. Dużo ćwiczeń i praktyki. Praktyczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

Kubeflow to framework do uruchamiania obciążeń uczenia maszynowego na Kubernetes. TensorFlow jest jedną z najpopularniejszych bibliotek uczenia maszynowego. Kubernetes to platforma orkiestracji do zarządzania aplikacjami kontenerowymi. OpenShift to platforma do tworzenia aplikacji w chmurze, która wykorzystuje kontenery Docker, orkiestrowane i zarządzane przez Kubernetes, na fundamencie Red Hat Enterprise Linux. To prowadzone przez instruktora szkolenie na żywo (w trybie online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą wdrożyć obciążenia uczenia maszynowego w chmurze lokalnej lub hybrydowej.

Pod koniec tego szkolenia uczestnicy będą w stanie Zainstalować i skonfigurować Kubernetes i Kubeflow na klastrze OpenShift. Używać OpenShift do uproszczenia pracy związanej z inicjalizacją klastra Kubernetes. Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w produkcji. Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle. Wywoływanie usług chmury publicznej (np. usług AWS) z poziomu OpenShift w celu rozszerzenia aplikacji ML.

Format kursu

Interaktywny wykład i dyskusja. Dużo ćwiczeń i praktyki. Praktyczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

Kubeflow to zestaw narzędzi, dzięki któremu Machine Learning (ML) na Kubernetes jest łatwe, przenośne i skalowalne. To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla programistów i naukowców zajmujących się danymi, którzy chcą tworzyć, wdrażać i zarządzać przepływami pracy uczenia maszynowego w Kubernetes. Po zakończeniu tego szkolenia uczestnicy będą w stanie

Instalowanie i konfigurowanie Kubeflow na miejscu i w chmurze. Tworzenie, wdrażanie i zarządzanie przepływami pracy ML w oparciu o kontenery Docker i Kubernetes. Uruchamianie całych potoków uczenia maszynowego w różnych architekturach i środowiskach chmurowych. Używanie Kubeflow do tworzenia i zarządzania notatnikami Jupyter. Tworzenie szkoleń ML, dostrajanie hiperparametrów i obsługiwanie obciążeń na wielu platformach.

Format kursu

Interaktywny wykład i dyskusja. Dużo ćwiczeń i praktyki. Praktyczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami. Aby dowiedzieć się więcej o Kubeflow, odwiedź stronę: https://github.com/kubeflow/kubeflow

MLflow to platforma typu open source do usprawniania cyklu życia uczenia maszynowego i zarządzania nim. Obsługuje dowolną bibliotekę ML (machine learning), algorytm, narzędzie wdrożeniowe lub język. Wystarczy dodać MLflow do istniejącego kodu ML, aby udostępnić kod w dowolnej bibliotece ML używanej w organizacji. To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla analityków danych, którzy chcą wyjść poza tworzenie modeli ML i zoptymalizować proces tworzenia, śledzenia i wdrażania modeli ML. Po zakończeniu tego szkolenia uczestnicy będą w stanie

Instalowanie i konfigurowanie MLflow oraz powiązanych bibliotek i frameworków ML. Docenianie znaczenia możliwości śledzenia, odtwarzania i wdrażania modelu uczenia maszynowego. Wdrażanie modeli uczenia maszynowego na różnych chmurach publicznych, platformach lub serwerach lokalnych. Skalowanie procesu wdrażania uczenia maszynowego, aby pomieścić wielu użytkowników współpracujących nad projektem. Utworzenie centralnego rejestru w celu eksperymentowania, odtwarzania i wdrażania modeli uczenia maszynowego.

Format kursu

Interaktywny wykład i dyskusja. Dużo ćwiczeń i praktyki. Praktyczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.