Kubeflow na AWS Počítačový Kurz

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na pokročilé inženýry AI a datové vědce se středně pokročilou až pokročilou zkušeností, kteří chtějí zlepšit DeepSeek výkon modelu, minimalizovat latenci a nasadit AI. řešení efektivně využívající moderní MLOps postupy.

Na konci tohoto školení budou účastníci schopni:

• Optimalizujte modely DeepSeek pro efektivitu, přesnost a škálovatelnost.
• Implementujte osvědčené postupy pro MLOps a modelování verzí.
• Nasaďte modely DeepSeek v cloudové a místní infrastruktuře.
• Efektivně monitorujte, udržujte a škálujte řešení AI.

Toto živé školení vedené instruktorem v České republice (na místě nebo na dálku) je zaměřeno na inženýry, kteří chtějí nasadit a spravovat zařízení IoT na AWS.

Na konci tohoto školení budou účastníci schopni vybudovat platformu IoT, která zahrnuje nasazení a správu backendu, brány a zařízení nad AWS.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí instalovat, konfigurovat a spravovat schopnosti AWS IoT Greengrass pro vytváření aplikací pro různá zařízení.

Na konci tohoto školení budou účastníci schopni používat AWS IoT Greengrass k vytváření, nasazení, správě, zabezpečení a monitorování aplikací na inteligentních zařízeních.

Toto živé školení vedené instruktorem v České republice (na místě nebo na dálku) je zaměřeno na vývojáře, kteří chtějí používat AWS Lambda k vytváření a nasazování služeb a aplikací do cloudu, aniž by se museli starat o poskytování spouštěcího prostředí (servery, VM a kontejnery, dostupnost, škálovatelnost, úložiště atd.).

Na konci tohoto školení budou účastníci schopni:

• Pro provedení funkce nakonfigurujte AWS Lambda.
• Pochopte FaaS (Functions as a Service) a výhody bezserverového vývoje.
• Sestavte, nahrajte a spusťte funkce AWS Lambda.
• Integrujte funkce Lambda s různými zdroji událostí.
• Balíček, nasazení, monitorování a odstraňování problémů s aplikacemi založenými na Lambda.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na pokročilé profesionály, kteří chtějí prohloubit své znalosti DevOps postupů a zefektivnit vývojové procesy pomocí AWS Cloud9.

Na konci tohoto školení budou účastníci schopni:

• Nastavte a nakonfigurujte AWS Cloud9 pro pracovní postupy DevOps.
• Implementujte potrubí kontinuální integrace a kontinuálního dodávání (CI/CD).
• Automatizujte procesy testování, monitorování a nasazení pomocí AWS Cloud9.
• Integrujte služby AWS, jako jsou Lambda, EC2 a S3, do pracovních postupů DevOps.
• Využijte systémy řízení zdrojů jako GitHub nebo GitLab v rámci AWS Cloud9.

Docker is a containerization platform used to build reproducible, portable, and scalable environments for ML systems.

This instructor-led, live training (online or onsite) is aimed at intermediate-level to advanced-level technical professionals who wish to containerize and operationalize complete ML pipelines using Docker.

Upon completion of this training, participants will be able to:

• Containerize ML training, validation, and inference workloads.
• Design and orchestrate end-to-end ML pipelines using Docker and supporting tools.
• Implement versioning, reproducibility, and CI/CD for ML components.
• Deploy, monitor, and scale ML services in containerized environments.

Format of the Course

• Interactive lectures supported by practical demonstrations.
• Hands-on exercises focused on building real ML pipeline components.
• Live-lab implementation for end-to-end containerized workflows.

Course Customization Options

• For customized training aligned with specific ML infrastructure needs, please contact us to discuss options.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé profesionály, kteří se chtějí naučit efektivně vytvářet, nasazovat a udržovat aplikace bez serveru na AWS Cloud9 a AWS Lambda.

Na konci tohoto školení budou účastníci schopni:

• Pochopte základy architektury bez serveru.
• Nastavte AWS Cloud9 pro vývoj aplikací bez serveru.
• Vyvíjejte, testujte a nasazujte aplikace bez serveru pomocí AWS Lambda.
• Integrujte AWS Lambda s dalšími službami AWS, jako je API Gateway a S3.
• Optimalizujte bezserverové aplikace pro výkon a efektivitu nákladů.

Letní:

• Základy architektury a funkcí IoT
• „Věci“, „Sensory“, Internet a mapování mezi obchodními funkcemi IoT
• Nezbytné pro všechny softwarové komponenty IoT – hardware, firmware, middleware, cloud a mobilní aplikace
• Funkce IoT – Fleet Manager, Vizualizace dat, FM a DV založené na SaaS, upozornění/alarm, integrace senzorů, onboarding „věcí“, geo-fencing
• Základy komunikace zařízení IoT s cloudem s MQTT.
• Připojení zařízení IoT k AWS pomocí MQTT (AWS IoT Core).
• Propojení jádra AWS IoT s funkcí AWS Lambda pro výpočet a ukládání dat.
• Propojení Raspberry PI s jádrem AWS IoT a jednoduchá datová komunikace.
• Upozornění a události
• Kalibrace senzoru

Shrnutí:

• Základy architektury a funkcí IoT
• „Věci“, „Sensory“, Internet a mapování mezi obchodními funkcemi IoT
• Nezbytné pro všechny softwarové komponenty IoT – hardware, firmware, middleware, cloud a mobilní aplikace
• Funkce IoT – Fleet Manager, Vizualizace dat, FM a DV založené na SaaS, upozornění/alarm, integrace senzorů, onboarding „věcí“, geo-fencing
• Základy komunikace zařízení IoT s cloudem s MQTT.
• Připojení zařízení IoT k AWS pomocí MQTT (AWS IoT Core).
• Propojení jádra AWS IoT s funkcí AWS Lambda pro výpočet a ukládání dat pomocí DynamoDB.
• Propojení Raspberry PI s jádrem AWS IoT a jednoduchá datová komunikace.
• Používejte Raspberry PI a AWS IoT Core k vytvoření chytrého zařízení.
• Vizualizace dat ze senzorů a komunikace s webovým rozhraním.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře a datové vědce, kteří chtějí vytvářet, nasazovat a spravovat pracovní postupy strojového učení na Kubernetes.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Kubeflow na místě a v cloudu pomocí AWS EKS (Elastic Kubernetes Service).
• Vytvářejte, nasazujte a spravujte pracovní postupy ML založené na Docker kontejnerech a Kubernetes.
• Spusťte celé kanály strojového učení na různých architekturách a cloudových prostředích.
• Použití Kubeflow k vytvoření a správě poznámkových bloků Jupyter.
• Vytvářejte školení ML, ladění hyperparametrů a obsluhu úloh na více platformách.

Toto vedené školení (online či prezenčně) je určeno inženýrům, kteří chtějí nasadit pracovní zatížení strojového učení do cloudu Azure.

Po absolvování tohoto školení budou účastníci schopni:

• Nainstalovat a nakonfigurovat Kubernetes, Kubeflow a ostatní potřebné software na Azure.
• Použít službu Azure Kubernetes Service (AKS) pro zjednodušení inicializace clusteru Kubernetes v cloudu Azure.
• Vytvořit a nasadit Kubernetes pipeline pro automatizaci a správu ML modelů ve výrobním prostředí.
• Trénovat a nasazovat TensorFlow ML modely na více GPU a strojích běžících paralelně.
• Využít další spravované služby AWS k rozšíření ML aplikace.

Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na datové vědce, kteří chtějí jít nad rámec vytváření modelů ML a optimalizovat proces vytváření, sledování a nasazení modelu ML.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte MLflow a související knihovny a rámce ML.
• Oceňujte důležitost sledovatelnosti, reprodukovatelnosti a rozmístitelnosti modelu ML
• Nasaďte modely ML na různé veřejné cloudy, platformy nebo místní servery.
• Škálujte proces nasazení ML tak, aby vyhovoval více uživatelům spolupracujícím na projektu.
• Nastavte centrální registr pro experimentování s modely ML, jejich reprodukci a nasazení.

Toto instruktorem vedené živé školení (online nebo na místě) je určeno inženýrům, kteří chtějí posoudit přístupy a nástroje dostupné dnes pro inteligentní rozhodnutí o dalším postupu v implementaci MLOps ve své organizaci.

Na konci tohoto školení budou účastníci schopni:

• Nainstalovat a nakonfigurovat různé MLOps frameworky a nástroje.
• Sestavit správný tým se správnými dovednostmi pro vytváření a podporu MLOps systému.
• Připravovat, ověřovat a verze data pro použití ML modely.
• Chápat komponenty ML Pipeline a nástroje potřebné k vytvoření jednoho.
• Vyzkoušet různé machine learning frameworky a servery pro nasazení do produkčního prostředí.
• Operationalizovat celý proces Machine Learning tak, aby byl reprodukovatelný a udržitelný.

Toto instruktorem vedené živé školení (online nebo na místě) je určeno inženýrům strojového učení, kteří chtějí použít Azure Machine Learning a Azure DevOps pro podporu MLOps praxe.

Na konci tohoto školení budou účastníci schopni:

• Vytvářet reprodukovatelné pracovní postupy a modely strojového učení.
• Spravovat životní cyklus strojového učení.
• Sledovat a sdílet historii verzí modelů, assety a další informace.
• Nasazovat produkčně připravené modely strojového učení kdekoli.

MLOps na Kubernetes je rámec pro automatizaci tréninku, ověřování, balení a nasazování modelů strojového učení pomocí kontejnerizovaných potoků a pracovních postupů GitOps.

Toto školení vedené instruktorem (online nebo na místě) je zaměřeno na odborníky středního levelu, kteří chtějí postavit automatizované a škálovatelné MLOps potoky na Kubernetes.

Po absolvování tohoto školení budou účastníci připraveni:

• Návrh end-to-end CI/CD potoků pro strojové učení.
• Implementace pracovních postupů GitOps pro nasazení a verze modelů.
• Automatizace tréninku, testování a balení ML modelů.
• Integrace monitorování, upozorňování a strategií navracení zpět.

Formát kurzu

• Prezentace vedená instruktorem a technické detaily.
• Praktické cvičení, která budují skutečné CI/CD pracovní postupy.
• Praxe v laboratoři nasazováním ML úloh na Kubernetes.

Možnosti přizpůsobení kurzu

• Organizace mohou požadovat obsah upravený podle jejich interních nástrojů MLOps a infrastruktury.