Online nebo na místě, živé kurzy MLOps vedené instruktory demonstrují prostřednictvím interaktivních praktických cvičení, jak používat nástroje MLOps k automatizaci a optimalizaci nasazení a údržby systémů ML ve výrobě. Školení MLOps je dostupné jako "online živé školení" nebo "na místě živé školení". Online živé školení (neboli "vzdálené živé školení") se provádí prostřednictvím interaktivní vzdálené plochy . Živá školení na místě lze provádět lokálně v prostorách zákazníka v České republice nebo ve firemních školicích střediscích NobleProg v České republice. NobleProg -- Váš místní poskytovatel školení
Machine Translated
MLOps Návrh školení
Název školení
Doba trvání
Přehled
Název školení
Doba trvání
Přehled
35 hodin
MLOps je soubor nástrojů a metodiky pro kombinaci praxe Machine Learning a DevOps. Cílem MLOps je automatizovat a optimalizovat implementaci a údržbu ML systémů ve výrobě.
Tento instruktor vedený, živé školení (online nebo on-site) je zaměřeno na inženýry, kteří chtějí vyhodnotit přístupy a nástroje k dispozici dnes, aby se inteligentní rozhodnutí o cestě dopředu při přijímání MLOps v rámci své organizace.
Po ukončení tohoto tréninku budou účastníci schopni:
-
Instalace a konfigurace různých MLOps rámů a nástrojů.
Sbírejte správný typ týmu s správnými dovednostmi pro konstrukci a podporu systému MLOps.
Připravte, validujte a verze dat pro použití modelů ML.
Pochopte součásti potrubí ML a nástroje potřebné k vytvoření jednoho.
Experimentovat s různými rámci strojového učení a servery pro implementaci do výroby.
Provozujte celý proces Machine Learning tak, aby byl reprodukovatelný a udržitelný.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
28 hodin
Kubeflow Je to rámec pro běh Machine Learning pracovní zátěže na Kubernetes. TensorFlow je knihovna strojového učení a Kubernetes je orchestrativní platforma pro řízení kontejnerizovaných aplikací.
Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na inženýry, kteří chtějí rozdělit Machine Learning pracovní zatížení na server AWS EC2.
Po ukončení tohoto tréninku budou účastníci schopni:
-
Instalace a konfigurace Kubernetes, Kubeflow a jiného potřebného softwaru na AWS.
Použijte EKS (Elastic Kubernetes Service), abyste zjednodušili práci iniciování klastru Kubernetes na AWS.
Vytvořit a rozvíjet Kubernetes potrubí pro automatizaci a řízení modelů ML ve výrobě.
Trénovat a rozvíjet TensorFlow ML modely přes více GPUs a stroje běžící v paralelě.
Využijte další služby spravované společností AWS, abyste rozšířili aplikaci ML.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
28 hodin
Kubeflow Je to rámec pro běh Machine Learning pracovní zátěže na Kubernetes. TensorFlow je jednou z nejpopulárnějších knihoven strojového učení. Kubernetes je orchestrální platforma pro řízení kontejnerizovaných aplikací.
Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na inženýry, kteří chtějí rozdělit Machine Learning pracovní zatížení do Azure cloudu.
Po ukončení tohoto tréninku budou účastníci schopni:
-
Instalace a konfigurace Kubernetes, Kubeflow a další potřebné software na Azure.
Použijte Azure Kubernetes Službu (AKS) k zjednodušení práce iniciování Kubernetes klastru na Azure.
Vytvořit a rozvíjet Kubernetes potrubí pro automatizaci a řízení modelů ML ve výrobě.
Trénovat a rozvíjet TensorFlow modely ML přes více GPUs a stroje běžící v paralelě.
Využijte další služby spravované společností AWS, abyste rozšířili aplikaci ML.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
28 hodin
Kubeflow Je to rámec pro běh Machine Learning pracovní zátěže na Kubernetes. TensorFlow je jednou z nejpopulárnějších knihoven strojového učení. Kubernetes je orchestrální platforma pro řízení kontejnerizovaných aplikací.
Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na inženýry, kteří chtějí rozdělit Machine Learning pracovní zatížení na Google Cloud Platform (GCP).
Po ukončení tohoto tréninku budou účastníci schopni:
-
Instalace a konfigurace Kubernetes, Kubeflow a další potřebné software na GCP a GKE.
Použijte GKE (Kubernetes Kubernetes Engine) k zjednodušení práce iniciování Kubernetes klastru na GCP.
Vytvořit a rozvíjet Kubernetes potrubí pro automatizaci a řízení modelů ML ve výrobě.
Trénovat a rozvíjet TensorFlow ML modely přes více GPUs a stroje běžící v paralelě.
Využijte další služby GCP k rozšíření aplikace ML.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
28 hodin
Kubeflow Je to rámec pro běh Machine Learning pracovní zátěže na Kubernetes. TensorFlow je jednou z nejpopulárnějších knihoven strojového učení. Kubernetes je orchestrální platforma pro řízení kontejnerizovaných aplikací.
Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na inženýry, kteří chtějí rozdělit Machine Learning pracovní zatížení do IBM Cloud Kubernetes Service (IKS).
Po ukončení tohoto tréninku budou účastníci schopni:
-
Instalace a konfigurace Kubernetes, Kubeflow a jiného potřebného softwaru na IBM Cloud Kubernetes Service (IKS).
Použijte IKS, abyste zjednodušili práci iniciování Kubernetes klastru na IBM Cloud.
Vytvořit a rozvíjet Kubernetes potrubí pro automatizaci a řízení modelů ML ve výrobě.
Trénovat a rozvíjet TensorFlow ML modely přes více GPUs a stroje běžící v paralelě.
Využijte další služby IBM Cloud k rozšíření aplikace ML.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
35 hodin
Kubeflow je soubor nástrojů pro vytváření Machine Learning (ML) na Kubernetes snadné, přenosné a skalovatelné. AWS EKS (Elastic Kubernetes Service) je Amazon řízená služba pro spuštění Kubernetes na AWS.
Tento výcvik vedený instruktorem, naživo (online nebo on-site) je zaměřen na vývojáře a vědce údajů, kteří chtějí vytvořit, rozvíjet a spravovat pracovní toky strojového učení Kubernetes.
Po ukončení tohoto tréninku budou účastníci schopni:
-
Instalace a nastavení Kubeflow v předmětu a v cloudu pomocí služby AWS EKS (Elastic Kubernetes Service).
Vytvořte, rozložte a spravujte pracovní toky ML na základě Docker kontejnerů a Kubernetes.
Proveďte celé potrubí strojového učení v různých architektonických a cloudových prostředích.
Použití Kubeflow pro špionáž a správu notebooku Jupyter.
Build ML trénink, hyperparametr tuning, a obsluhovat pracovní zatížení na více platformách.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
28 hodin
Kubeflow Je to rámec pro spuštění Machine Learning pracovní zátěže na Kubernetes. TensorFlow je jednou z nejpopulárnějších knihoven strojového učení. Kubernetes je orchestrální platforma pro řízení kontejnerizovaných aplikací. OpenShift je platformou pro vývoj aplikací v cloudu, která používá kontejnery Docker, které jsou organizovány a řízeny Kubernetes, na základě společnosti Red Hat Enterprise Linux.
Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na inženýry, kteří chtějí rozdělit Machine Learning pracovní zatížení do OpenShift on-premise nebo hybridního cloudu.
-
Po ukončení tohoto tréninku budou účastníci schopni:
Vybírejte a nastavte Kubernetes a Kubeflow na Kubeflow klastru.
Použijte OpenShift k zjednodušení práce iniciování Kubernetes klastru.
Vytvořit a rozvíjet Kubernetes potrubí pro automatizaci a řízení modelů ML ve výrobě.
Trénovat a rozvíjet TensorFlow ML modely přes více GPUs a stroje běžící v paralelě.
Zavolejte veřejné cloudové služby (např. služby AWS) zevnitř OpenShift k rozšíření aplikace ML.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
28 hodin
Kubeflow je soubor nástrojů pro vytváření Machine Learning (ML) na Kubernetes snadné, přenosné a skalovatelné.
Tento výcvik vedený instruktorem, naživo (online nebo on-site) je zaměřen na vývojáře a vědce údajů, kteří chtějí vytvořit, rozvíjet a spravovat pracovní toky strojového učení Kubernetes.
Po ukončení tohoto tréninku budou účastníci schopni:
-
Instalace a nastavení Kubeflow na předměstí a v cloudu.
Vytvořte, rozložte a spravujte pracovní toky ML na základě Docker kontejnerů a Kubernetes.
Proveďte celé potrubí strojového učení v různých architektonických a cloudových prostředích.
Použití Kubeflow pro špionáž a správu notebooku Jupyter.
Build ML trénink, hyperparametr tuning, a obsluhovat pracovní zatížení na více platformách.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
Chcete-li se dozvědět více o Kubeflow, navštivte prosím: https://github.com/kubeflow/kubeflow
21 hodin
MLflow je open source platforma pro zjednodušení a řízení životního cyklu strojového učení. Podporuje libovolnou ML (machine learning) knihovnu, algoritmus, nástroj pro implementaci nebo jazyk. Jednoduše přidejte MLflow do vašeho stávajícího ML kódu, abyste sdíleli kód v jakékoli ML knihovně, která se používá ve vaší organizaci.
Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na vědce údajů, kteří chtějí jít mimo stavbu modelů ML a optimalizovat proces vytváření, sledování a implementace modelů ML.
Po ukončení tohoto tréninku budou účastníci schopni:
-
Instalace a nastavení MLflow a souvisejících ML knihoven a rámů.
Hodnocení důležitosti sledovatelnosti, reprodukovatelnosti a implementace modelu ML
Rozložte modely ML do různých veřejných cloudů, platforem nebo on-premise serverů.
Rozšířte proces implementace ML tak, aby bylo možné přijmout více uživatelů spolupracujících na jednom projektu.
Vytvořte centrální rejstřík pro experimentování, reprodukci a implementaci modelů ML.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
Momentálně pro tuto lokalitu nejsou naplánovány žádné kurzy.
Ostatní země
Konzultace
Víkendové MLOps kurzy, Večerní MLOps školení, MLOps přijímač, MLOps vedené školitelem, Víkendové MLOps školení, Večerní MLOps kurzy, MLOps koučování, MLOps lektor, MLOps školitel, MLOps počítačová školení, MLOps počítačové kurzy , MLOps kurzy, MLOps školení, MLOps on-site, MLOps uzavřená školení, MLOps individuální školení
