Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in Containerisierung für AI & ML
- Kernkonzepte der Containerisierung
- Warum Container ideal für ML-Arbeitslasten sind
- Wichtige Unterschiede zwischen Containern und virtuellen Maschinen
Arbeit mit Docker-Images und Containern
- Verständnis von Images, Layern und Registries
- Verwaltung von Containern für ML-Experimente
- Effiziente Nutzung der Docker-Befehlszeilenschnittstelle (CLI)
Verpacken von ML-Umgebungen
- Vorbereiten von ML-Codebases für die Containerisierung
- Verwalten von Python-Umgebungen und Abhängigkeiten
- Einbinden von CUDA- und GPU-Unterstützung
Erstellen von Dockerfiles für Maschinelles Lernen
- Strukturieren von Dockerfiles für ML-Projekte
- Best Practices hinsichtlich Leistung und Wartbarkeit
- Nutzung von Multi-Stage-Builds
Containerisieren von ML-Modellen und Pipelines
- Verpacken trainierter Modelle in Containern
- Verwalten von Daten- und Speicherstrategien
- Bereitstellen reproduzierbarer End-to-End-Workflows
Ausführen containerisierter ML-Dienste
- Freigeben von API-Endpoints für die Modellanwendung (Inference)
- Skalieren von Diensten mit Docker Compose
- Überwachen des Laufzeitverhaltens
Sicherheits- und Compliance-Aspekte
- Sicherstellung sicherer Container-Konfigurationen
- Verwaltung von Zugriff und Credentials
- Umgang mit vertraulichen ML-Assets
Bereitstellung in Produktionsumgebungen
- Publizieren von Images auf Container-Registries
- Bereitstellen von Containern in On-Premise- oder Cloud-Architekturen
- Versionierung und Aktualisierung von Produktionsdiensten
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundverständnis von Maschinellen-Lern-Prozessen
- Erfahrung mit Python oder ähnlichen Programmiersprachen
- Vertrautheit mit grundlegenden Linux-Befehlszeilenoperationen
Zielgruppe
- ML-Ingenieure, die Modelle für die Produktion bereitstellen
- Data Scientists, die reproduzierbare Experimentumgebungen verwalten
- KI-Entwickler, die skalierbare containerisierte Anwendungen aufbauen
14 Stunden
Erfahrungsberichte (3)
Gute und machbare Übungen.
Jannes Wykhoff - Landesamt fur Geoinformation und Landesvermessung Niedersachsen (LGLN)
Kurs - Certified Kubernetes Application Developer (CKAD) - exam preparation
Wie Trainer Wissen effektiv vermitteln
Vu Thoai Le - Reply Polska sp. z o. o.
Kurs - Certified Kubernetes Administrator (CKA) - exam preparation
Maschinelle Übersetzung
Der Trainer hatte viel Wissen und Geduld, die er mit uns teilen konnte.
Bogdan Olaru
Kurs - Introduction to Docker
Maschinelle Übersetzung