MLOps na Kubernetes: CI/CD potoky pro strojové učení 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.

DO180 je úvod do kontejnerů, základů Kubernetes a konceptů platformy Red Hat OpenShift, zaměřený na praktické dovednosti.

Toto školení vedené instruktorem (online nebo přítomně) je určeno začínajícím až středně pokročilým technickým profesionálům, kteří chtějí naučit kontejnerové pracovní postupy, Kubernetes primitivy a způsob nasazení a správy aplikací v OpenShift.

Koncem tohoto školení budou účastníci schopni:

• Sestavovat a spravovat kontejnerové obrázky a registry s nejlepšími praktikami pro opakovatelnost a bezpečnost.
• Nasazovat a spravovat Kubernetes objekty jako jsou pody, nasazení a služby v OpenShift.
• Používat funkce OpenShift, včetně směrování, buildconfigů a webové konzole, k zefektivnění doručování aplikací.
• Implementovat trvalé úložiště, správu konfigurace a zpracování tajemství pro státní pracovní postupy.
• Aplikovat základní bezpečnostní, RBAC (Role-Based Access Control) a monitorovací praktiky k udržení zdravých clusterů a aplikací.

Formát kurzu

• Interaktivní přednáška a diskuse.
• Praktické laboratoře v živém prostředí OpenShift každý den.
• Cvičení a školení zaměřená na scénáře a odstraňování potíží.

Možnosti přizpůsobení kurzu

• Pokud si přejete zjednotlivé školení pro tento kurz, kontaktujte nás k jeho uspořádání.

Toto školení vedené instruktorem v České republice (online nebo na místě) je určeno inženýrům, kteří chtějí použít Helm ke zjednodušení procesu instalace a správy Kubernetes aplikací.

Na konci tohoto školení budou účastníci schopni:

• Nainstalovat a nakonfigurovat Helm.
• Vytvářet reprodukovatelné buildy Kubernetes aplikací.
• Sdílet aplikace jako Helm šablony (charts).
• Spouštět třetí stranou vytvořené aplikace uložené jako Helm šablony.
• Spravovat verze Helm balíčků (releases).

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 instruktorem vedené živé školení (online nebo na místě) je určeno inženýrům, kteří se chtějí naučit nasazovat pracovní úlohy strojového učení na AWS EC2 serveru.

Na konci tohoto školení budou účastníci schopni:

• Nainstalovat a nakonfigurovat Kubernetes, Kubeflow a ostatní potřebný software na AWS.
• Používat EKS (Elastic Kubernetes Service) k zjednodušení inicializace clusteru Kubernetes na AWS.
• Vytvářet a nasazovat Kubernetes pipeline pro automatizaci a správu ML modelů v produkčním prostředí.
• Trénovat a nasazovat TensorFlow ML modely napříč více GPU a počítači běžícími paralelně.
• Využívat jiné spravované služby AWS k rozšíření aplikace ML.

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.

Kubeflow je open-source platforma navržená k zjednodušení vytváření, trénování a nasazování pracovních úloh strojového učení na Kubernetes.

Tato školení pod vedením instruktora (online nebo na místě) je určena začátečním až středně pokročilým profesionálům, kteří se chtějí naučit sestavovat spolehlivé pracovní postupy strojového učení pomocí Kubeflow.

Po absolvování tohoto školení budou účastníci získávat dovednosti k:

• Pohybu v ekosystému Kubeflow a jeho hlavních komponentách.
• Sestavování reproducibilních pracovních postupů pomocí Kubeflow Pipelines.
• Spouštění škálovatelných tréninkových úloh na Kubernetes.
• Efektivnímu nasazování modelů strojového učení pomocí Kubeflow Serving.

Formát kurzu

• Řízená prezentace a společná diskuse.
• Praktické laboratoře s reálnými komponentami Kubeflow.
• Praktické cvičení k vytváření pracovních postupů ML od konce do konce.

Možnosti přizpůsobení kurzu

• Přizpůsobené verze tohoto školení mohou být upraveny tak, aby odpovídaly technologickému stacku a požadavkům vašeho týmu.

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.
• 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 živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na začátečníky až středně pokročilé vývojáře softwaru a DevOps profesionály, kteří se chtějí naučit, jak nastavit a spravovat místní Kubernetes prostředí pomocí Minikube.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Minikube na jejich místním počítači.
• Pochopit základní pojmy a architekturu Kubernetes.
• Nasaďte a spravujte kontejnery pomocí kubectl a řídicího panelu Minikube.
• Nastavte trvalá úložiště a síťová řešení pro Kubernetes.
• Využijte Minikube pro vývoj, testování a ladění aplikací.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé vývojáře a DevOps inženýry, kteří chtějí používat Minikube jako součást svého vývojového pracovního postupu.

Na konci tohoto školení budou účastníci schopni:

• Nastavte a spravujte místní Kubernetes prostředí pomocí Minikube.
• Pochopte, jak nasadit, spravovat a ladit aplikace na Minikube.
• Integrujte Minikube do jejich průběžné integrace a zavádění.
• Optimalizujte jejich vývojový proces pomocí pokročilých funkcí Minikube.
• Aplikujte osvědčené postupy pro místní Kubernetes rozvoj.

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.