Kubeflow na AWS Počítačový Kurz

Toto školení vedené instruktorem v reálném čase v České republice (online nebo na místě) je určeno pro pokročilé inženýry v oblasti AI a datové vědce s středně pokročilými až pokročilými zkušenostmi, kteří chtějí zlepšit výkon modelů DeepSeek, minimalizovat latenci a efektivně nasazovat řešení AI pomocí moderních postupů MLOps.

Do konce tohoto školení se účastníci naučí:

• Optimalizovat modely DeepSeek z hlediska efektivity, přesnosti a škálovatelnosti.
• Implementovat osvědčené postupy pro MLOps a správu verzí modelů.
• Nasazovat modely DeepSeek v cloudu i v lokální infrastruktuře.
• Efektivně monitorovat, udržovat a škálovat 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 je platforma pro kontejnerizaci, která se používá k vytváření reprodukovatelných, přenosných a škálovatelných prostředí pro ML systémy.

Tato instruktorem vedená živá školení (online nebo na místě) je určená pokročilým technickým profesionálům, kteří chtějí kontejnerizovat a provozovat kompletní ML datové potoky pomocí Dockeru.

Po absolvování tohoto školení budou účastníci schopni:

• Kontejnerizovat výpočetní zátěže pro trénink, ověřování a inferenci ML.
• Návrh a orchestrování end-to-end ML datových potoků pomocí Dockeru a podporujících nástrojů.
• Implementace verzování, reprodukovatelnosti a CI/CD pro ML komponenty.
• Nasazení, monitorování a škálování ML služeb v kontejnerizovaných prostředích.

Formát kurzu

• Interaktivní přednášky podporované praktickými demonstracemi.
• Přímočará cvičení zaměřená na vytváření skutečných komponent ML datových potoků.
• Implementace živé laboratoře pro end-to-end kontejnerizované pracovní postupy.

Možnosti přizpůsobení kurzu

• Pro školení přizpůsobené konkrétním potřebám ML infrastruktury se prosím obraťte na nás pro diskusi o možnostech.

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.

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.

Tato instruktorem védaná živá školení v České republice (online nebo na místě) je určena inženýrům, kteří se chtějí rozhodnout o přístupech a nástrojích dostupných dnes tak, aby inteligentně zvolili směr při uvedení MLOps do využití ve své organizaci.

Na konci tohoto školení budou účastníci schopni:

• Instalovat a nakonfigurovat různé MLOps rámce a nástroje.
• Sestavit správný tým s příslušnými dovednostmi pro vytváření a podporu systému MLOps.
• Připravovat, ověřovat a verze dat pro použití modelem ML.
• Chápat součásti ML Pipeline a nástroje potřebné k jejímu vytvoření.
• Testovat různé rámce strojového učení a servery pro nasazení do produkce.
• Uspořádat celý proces strojového učení tak, aby byl reproducibilní a údržbatelný.

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.