Docker pro MLOps: Kontejnerizace koncových koncových pipeline Počítačový Kurz

Tento instruktorovoděný živý kurz v České republice (online nebo na místě) je zaměřen na inženýry, kteří chtějí rozšířit své znalosti Dockeru, aby mohli nasazovat aplikace v rozsáhlejší škále, aniž by přišli o kontrolu.

Na konci tohoto kurzu budou účastníci schopni:

• Vytvářet vlastní Docker obrazy.
• Nasazovat a spravovat velké množství Docker aplikací.
• Posuzovat různé řešení orchestrace kontejnerů a vybrat si to nejpříhodnější.
• Nastavit proces kontinuální integrace pro Docker aplikace.
• Integrovat Docker aplikace s existujícími nástroji a procesy kontinuální integrace.
• Zabezpečit své Docker aplikace.

Toto školení pod vedením instruktora České republice (online či na místě) je určeno pro zkušené inženýry AI a datové vědce, kteří si přejí zvýšit výkonnost modelů DeepSeek, minimalizovat latenci a efektivně nasazovat řešení umělé inteligence s využitím moderních postupů MLOps.

Po absolvování tohoto kurzu budou účastníci schopni:

• Optimalizovat modely DeepSeek z hlediska efektivity, přesnosti a škálovatelnosti.
• Aplikovat osvědčené postupy v oblasti MLOps a správy verzí modelů.
• Nasazovat modely DeepSeek jak do cloudových, tak i lokálních prostředí.
• Efektivně monitorovat, udržovat a škálovat řešení založená na umělé inteligenci.

Naučte se, jak budovat, nasazovat a spravovat kontejnerizované prostředí pomocí Dockeru, Kubernetesu a OpenShifu. Tento pětidenní praktický kurz pokrývá obrazy kontejnerů, workloady v Kubernetesu, síťování klastru, úložiště, bezpečnost, monitorování a praktickou administraci OpenShifu. Účastníci získají dovednosti potřebné k provozu moderních platform kontejnerů a řešení problémů aplikací v vývojových i produkčních prostředích.

V tomto praktickém školení pod vedením lektora (na místě nebo online) se účastníci naučí, jak vytvářet a spravovat kontejnery Docker, poté nasadit ukázkovou aplikaci do jednoho z těchto kontejnerů. Dále se naučí automatizovat, škálovat a řídit své kontejnerizované aplikace v rámci clusteru Kubernetes. Na závěr školení jsou probírány i pokročilejší témata – zejména zabezpečení, škálování a monitorování celého clusteru.

Po absolvování tohoto kurzu budou účastníci schopni:

• Nastavit a spustit kontejner Docker.
• Nasadit kontejnerizovaný server i webovou aplikaci.
• Vytvářet a spravovat obrazce Docker.
• Nastavit clustery Docker i Kubernetes.
• Pomocí Kubernetes nasazovat a spravovat webovou aplikaci běžící v clusteru.
• Zajišťovat bezpečnost, škálovat a monitorovat cluster Kubernetes.

Cíle kurzu: Získat teoretické i praktické dovednosti v oblasti Dockeru a Kubernetu.

Tento kurš, vedený lektorem a probíhající živě v České republice (online nebo na místě), je určen vývojářům a data scientistům, kteří chtějí vytvářet, nasazovat a spravovat workflowy strojového učení v Kubernetes.

Na konci tohoto školení budou účastníci schopni:

• Instalovat a konfigurovat Kubeflow v lokálních (on-premise) i cloudových prostředích.
• Vytvářet, nasazovat a spravovat workflowy ML postavené na Docker kontejnerech a Kubernetes.
• Spouštět celé pipeline strojového učení na různých architekturách a v cloudových prostředích.
• Používat Kubeflow ke generování a správě Jupyter notebooků.
• Vytvářet zátěže pro trénink ML, ladění hyperparametrů a poskytování služeb (serving) napříč více platformami.

Tento praktický kurz vedený instruktorem České republice (online či na místě) je určen pro inženýry, kteří chtějí posoudit dostupné přístupy a nástroje a učinit informované rozhodnutí ohledně zavádění MLOps do svých organizací.

Po absolvování tohoto kurzu budou účastníci schopni:

• Instalovat a konfigurovat různé frameworky a nástroje MLOps.
• Sestavit tým s potřebnými dovednostmi pro vytvoření a podporu systému MLOps.
• Přípravovat, ověřovat a verzovat data určená k použití v modelech strojového učení.
• Rozumět jednotlivým částem ML pipeline a nástrojům potřebným k jejímu sestavení.
• Experimentovat s různými frameworky pro strojové učení i servery určenými k nasazení do produkce.
• Zapracovat celý proces strojového učení tak, aby byl opakovatelný a snadno udržovatelný.