Szkolenia MLOps

MLOps jest zestawem narzędzi i metod do połączenia praktyk Machine Learning i DevOps. Celem MLOps jest automatyzacja i optymalizacja wdrażania i utrzymania systemów ML w produkcji. Ten instruktor prowadzony, szkolenie na żywo (online lub on-site) jest skierowany do inżynierów, którzy chcą ocenić podejścia i narzędzia dostępne dzisiaj do podejmowania inteligentnej decyzji na drodze do przyjęcia MLOps w ich organizacji. Po zakończeniu szkolenia uczestnicy będą mogli:

Instaluj i konfiguruj różne MLOps ramy i narzędzia. Zbierz odpowiedni rodzaj zespołu z odpowiednimi umiejętnościami do budowania i wspierania systemu MLOps. Przygotowanie, weryfikacja i wersja danych do użytku przez modele ML. Zrozum składniki rurociągu ML i narzędzia potrzebne do jego budowy. Eksperyment z różnymi ramami uczenia się maszynowego i serwerami do rozmieszczenia do produkcji. Funkcjonalizuj cały proces Machine Learning tak, aby był odtworzony i utrzymywany.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.

Kubeflow Jest to ramy dla prowadzenia Machine Learning ładunków roboczych na Kubernetes. TensorFlow jest biblioteką uczenia się maszynowego i Kubernetes jest platformą orchestracyjną do zarządzania aplikacjami z kontenerami. Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do inżynierów, którzy chcą rozmieszczać Machine Learning ładunki robocze na serwerze AWS EC2. Po zakończeniu szkolenia uczestnicy będą mogli:

Instaluj i konfiguruj Kubernetes, Kubeflow i inne niezbędne oprogramowanie na AWS. Użyj EKS (Elastic Kubernetes Service), aby ułatwić pracę z inicjalizacją klastru Kubernetes w AWS. Tworzenie i wdrażanie Kubernetes rurociągu do automatyzacji i zarządzania modelami ML w produkcji. Trenować i rozmieszczać TensorFlow modele ML w różnych GPUs i maszyny działające równolegle. Dostarczanie innych usług zarządzanych przez AWS w celu rozszerzenia aplikacji ML.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.

Kubeflow Jest to ramy dla prowadzenia Machine Learning ładunków roboczych na Kubernetes. TensorFlow jest jedną z najpopularniejszych bibliotek uczenia się maszynowego. Kubernetes jest platformą orchestracyjną do zarządzania aplikacjami z kontenerami. Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do inżynierów, którzy chcą rozmieszczać Machine Learning ładunki robocze do Azure chmury. Po zakończeniu szkolenia uczestnicy będą mogli:

Instaluj i konfiguruj Kubernetes, Kubeflow i inne niezbędne oprogramowanie na Azure. Użyj Azure Kubernetes Usługi (AKS) w celu uproszczenia pracy z inicjalizacją Kubernetes klastru na Azure. Tworzenie i wdrażanie Kubernetes rurociągu do automatyzacji i zarządzania modelami ML w produkcji. Trenować i rozmieszczać TensorFlow modele ML w różnych GPUs i maszyny działające równolegle. Dostarczanie innych usług zarządzanych przez AWS w celu rozszerzenia aplikacji ML.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.

Kubeflow Jest to ramy dla prowadzenia Machine Learning ładunków roboczych na Kubernetes. TensorFlow jest jedną z najpopularniejszych bibliotek uczenia się maszynowego. Kubernetes jest platformą orchestracyjną do zarządzania aplikacjami z kontenerami. Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do inżynierów, którzy chcą rozmieszczać Machine Learning ładunki robocze na Google Cloud Platform (GCP). Po zakończeniu szkolenia uczestnicy będą mogli:

Instaluj i konfiguruj Kubernetes, Kubeflow i inne niezbędne oprogramowanie na GCP i GKE. Użyj GKE (Kubernetes Kubernetes Silnik), aby ułatwić pracę z inicjalizacją Kubernetes klastru na GCP. Tworzenie i wdrażanie Kubernetes rurociągu do automatyzacji i zarządzania modelami ML w produkcji. Trenować i rozmieszczać TensorFlow modele ML w różnych GPUs i maszyny działające równolegle. Dostarczanie innych usług GCP w celu rozszerzenia aplikacji ML.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.

Kubeflow Jest to ramy dla prowadzenia Machine Learning ładunków roboczych na Kubernetes. TensorFlow jest jedną z najpopularniejszych bibliotek uczenia się maszynowego. Kubernetes jest platformą orchestracyjną do zarządzania aplikacjami z kontenerami. Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do inżynierów, którzy chcą rozmieszczać Machine Learning ładunki robocze w IBM Cloud Kubernetes Service (IKS). Po zakończeniu szkolenia uczestnicy będą mogli:

Instaluj i konfiguruj Kubernetes, Kubeflow i inne niezbędne oprogramowanie na IBM Cloud Kubernetes Service (IKS). Użyj IKS, aby ułatwić inicjalizację klastru Kubernetes w IBM Cloud. Tworzenie i wdrażanie Kubernetes rurociągu do automatyzacji i zarządzania modelami ML w produkcji. Trenować i rozmieszczać TensorFlow modele ML w różnych GPUs i maszyny działające równolegle. Dostarczanie innych usług IBM Cloud, aby rozszerzyć aplikację ML.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.

Kubeflow Jest to zestaw narzędzi do tworzenia Machine Learning (ML) na Kubernetes łatwy, przenośny i skalowalny. AWS EKS (Elastic Kubernetes Service) to usługa zarządzana przez Amazon do obsługi Kubernetes na AWS. Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do deweloperów i naukowców danych, którzy chcą zbudować, rozwijać i zarządzać przepływami pracy w zakresie uczenia się maszynowego Kubernetes. Po zakończeniu szkolenia uczestnicy będą mogli:

Instaluj i skonfiguruj Kubeflow w nagłówku i w chmurze za pomocą usługi AWS EKS (Elastic Kubernetes Service). Budować, rozmieszczać i zarządzać przepływami pracy ML opartymi na Docker pojemnikach i Kubernetes. Wykonaj całe rury uczenia się maszynowego w różnych architekturach i środowiskach chmurowych. Używanie Kubeflow do spawania i zarządzania laptopami Jupyter. Budować szkolenia ML, tuning hiperparametrów i obsługiwanie ładunków roboczych na wielu platformach.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.

Kubeflow to platforma do uruchamiania obciążeń uczenia maszynowego na Kubernetes. TensorFlow jest jedną z najpopularniejszych bibliotek uczenia się maszynowego. Kubernetes jest platformą orchestracyjną do zarządzania aplikacjami z kontenerami. OpenShift jest platformą do rozwoju aplikacji w chmurze, która wykorzystuje Docker kontenery, organizowane i zarządzane przez Kubernetes, na podstawie Red Hat Enterprise Linux. Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do inżynierów, którzy chcą rozmieszczać Machine Learning obciążenia robocze do OpenShift on-premise lub hybrydowego chmury.

Po zakończeniu szkolenia uczestnicy będą mogli: Umieszczanie i konfiguracja Kubeflow i Kubeflow na klastrze OpenShift. Użyj OpenShift, aby ułatwić pracę z inicjalizacją Kubernetes klastru. Tworzenie i wdrażanie rurociągu Kubernetes do automatyzacji i zarządzania modelami ML w produkcji. Trenować i rozmieszczać TensorFlow modele ML w różnych GPUs i maszyny działające równolegle. Zadzwoń do publicznych usług w chmurze (np. usług AWS) z wnętrza OpenShift, aby rozszerzyć aplikację ML.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.

Kubeflow Jest to zestaw narzędzi do tworzenia Machine Learning (ML) na Kubernetes łatwy, przenośny i skalowalny. Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do deweloperów i naukowców danych, którzy chcą zbudować, rozwijać i zarządzać przepływami pracy w zakresie uczenia się maszynowego Kubernetes. Po zakończeniu szkolenia uczestnicy będą mogli:

Instalacja i konfiguracja Kubeflow na premisie i w chmurze. Budować, rozmieszczać i zarządzać przepływami pracy ML opartymi na Docker pojemnikach i Kubernetes. Wykonaj całe rury uczenia się maszynowego w różnych architekturach i środowiskach chmurowych. Używanie Kubeflow do spawania i zarządzania laptopami Jupyter. Budować szkolenia ML, tuning hiperparametrów i obsługiwanie ładunków roboczych na wielu platformach.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować. Aby dowiedzieć się więcej o Kubeflow, proszę odwiedzić: https://github.com/kubeflow/kubeflow

MLflow jest platformą open-source do upraszczania i zarządzania cyklem życia uczenia się maszynowego. Obsługuje dowolną bibliotekę ML (Machine Learning), algorytm, narzędzie do uruchomienia lub język. Wystarczy dodać MLflow do istniejącego kodu ML, aby udostępnić kod w dowolnej bibliotece ML, która jest używana w Twojej organizacji. Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do naukowców danych, którzy chcą przejść poza budowę modeli ML i zoptymalizować proces tworzenia modeli ML, śledzenia i wdrożenia. Po zakończeniu szkolenia uczestnicy będą mogli:

Instaluj i konfiguruj MLflow i powiązane biblioteki i ramki ML. Ocenianie znaczenia śledzenia, reprodukcyjności i rozmieszczalności modelu ML Rozmieszcz modele ML do różnych publicznych chmur, platform lub serwerów na miejscu. Skalić proces rozmieszczania ML, aby pomieścić wielu użytkowników współpracujących na jednym projekcie. Ustaw centralny rejestr do eksperymentowania, odtwarzania i rozmieszczania modeli ML.

Format kursu

Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.

Opcje dostosowania kursu

Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.