MLOps: CI/CD für Maschinelles Lernen Schulung

Dieses Kurs ist für Teilnehmer konzipiert, die sich mit der Gestaltung, Implementierung und Verwaltung von DevOps-Bereitstellungspipelines und -Werkzeugketten beschäftigen, die Continuous Integration, Continuous Delivery, Continuous Testing und potenziell Continuous Deployment unterstützen. Der Kurs beleuchtet grundlegende Prozesse, Metriken, APIs und kulturelle Aspekte im Zusammenhang mit Continuous Delivery.

Lernen Sie, wie Sie das Testen optimieren können, um schneller zu testen und trotzdem eine gute Qualität und ein stabiles Ergebnis zu erhalten.

Lernen Sie, was DevOps Engineering ist, warum DevOps-Engineering wichtig ist und wie DevOps für den Erfolg entwickelt wird.

Das Kurs beginnt mit einer kurzen Übersicht über die grundlegenden Prinzipien von DevOps und wechselt dann zu deren Implementierung. Es ist aus einem technischen Standpunkt konzipiert und behandelt Themen wie DevOps im Vergleich zu anderen Frameworks, Technologien,
Anwendungsdesignpraktiken, kontinuierliche Integration, kontinuierliche Lieferung und Deployment, kontinuierliche Tests, elastische Infrastrukturen, Überwachung, Metriken, Observability, Governance, menschliche Aspekte sowie zukünftige Trends in DevOps-Engineering.

Der DevOps-Foundation-Kurs vermittelt ein grundlegendes Verständnis der wichtigsten DevOps-Terminologie, um sicherzustellen, dass alle dieselbe Sprache sprechen, und hebt die Vorteile von DevOps zur Unterstützung des Unternehmenserfolgs hervor.

Der Kurs beleuchtet die menschlichen Dynamiken des kulturellen Wandels und versorgt die Teilnehmer mit Praktiken, Methoden und Werkzeugen, um Menschen über den gesamten DevOps-Spektrum mithilfe realer Szenarien und Fallstudien zu beteiligen. Nach Abschluss des Kurses werden die Teilnehmer praktische Erkenntnisse haben, die sie im Büro anwenden können, wie zum Beispiel das Verständnis von Value Stream Mapping.

Eine Einführung in die Prinzipien, Praktiken und Werkzeuge des Wertstrommanagements. Entwickelt, um den Wertfluss und die Realisierung in digitalen Wertströmen zu optimieren und die Fähigkeiten des Einzelnen zu entwickeln. Digitale Wertströme umfassen die Softwareanwendungen und -dienste sowie die Plattformen, die sie unterstützen, z. B. Cloud-Infrastruktur oder DevOps Toolchains.

Die im Kurs behandelten Themen umfassen, wie DevSecOps einen geschäftlichen Mehrwert bietet, Ihre Geschäftsmöglichkeiten verbessert und den Unternehmenswert steigert. Die unterrichteten DevSecOps-Kernprinzipien können eine organisatorische Transformation unterstützen, die Produktivität steigern, Risiken reduzieren und die Ressourcennutzung optimieren.

DevSecOps Practitioner stellt eine Reihe von Praktiken vor, die zu einem umfassenderen Verständnis der DevSecOps-Praktiken führen. Erforschen Sie praktische Ergebnisse, indem Sie die richtige Mischung von Mitarbeitern finden, Prozesse aufbauen, um den Wert zu beschleunigen, und die heute verfügbaren technologischen Optionen vergleichen. Maßgeschneidert für Unternehmen, die kürzlich umgestellt wurden und ihre DevSecOps-Fähigkeiten und ihr Bewusstsein verbessern möchten.

Diese von einem Trainer geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Entwickler und Datenwissenschaftler, die Workflows für maschinelles Lernen auf Kubernetes erstellen, einsetzen und verwalten möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Installation und Konfiguration von Kubeflow vor Ort und in der Cloud mit AWS EKS (Elastic Kubernetes Service).
• ML-Workflows auf der Grundlage von Docker-Containern und Kubernetes zu erstellen, bereitzustellen und zu verwalten.
• Ausführen ganzer Pipelines für maschinelles Lernen auf verschiedenen Architekturen und Cloud-Umgebungen.
• Verwendung von Kubeflow zum Erzeugen und Verwalten von Jupyter-Notebooks.
• ML-Training, Hyperparameter-Tuning und Serving-Workloads über mehrere Plattformen hinweg erstellen.

Dieses von einem Dozenten geleitete, live Training (online oder vor Ort) richtet sich an Ingenieure, die Machine Learning Workloads auf einem AWS EC2 Server bereitstellen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Kubernetes, Kubeflow und andere benötigte Software auf AWS zu installieren und zu konfigurieren.
• EKS (Elastic Kubernetes Service) zu verwenden, um die Arbeit der Initialisierung eines Kubernetes Clusters auf AWS zu vereinfachen.
• Einen Kubernetes Pipeline zu erstellen und bereitzustellen, um die Automatisierung und Verwaltung von ML Modellen in Produktion zu steuern.
• TensorFlow ML Modelle über mehrere GPUs und Maschinen hinweg, die parallel laufen, zu trainieren und bereitzustellen.
• Andere verwaltete AWS Dienste zu nutzen, um eine ML Anwendung zu erweitern.

Dieses durch einen Trainer geleitete, live-Training in Österreich (online oder vor Ort) richtet sich an Ingenieure, die Machine Learning-Arbeitslasten in der Azure Cloud bereitstellen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Kubernetes, Kubeflow und andere benötigte Software auf Azure zu installieren und zu konfigurieren.
• Azure Kubernetes Service (AKS) zur Vereinfachung der Initialisierung eines Kubernetes-Clusters in Azure zu verwenden.
• Eine Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion zu erstellen und bereitzustellen.
• TensorFlow-ML-Modelle auf mehreren GPUs und Maschinen, die parallel laufen, zu trainieren und bereitzustellen.
• Andere verwaltete AWS-Dienste zur Erweiterung einer ML-Anwendung zu nutzen.

Kubeflow ist eine Open-Source-Plattform, die entwickelt wurde, um das Erstellen, Training und Bereitstellen von Machine-Learning-Aufgaben in Kubernetes zu vereinfachen.

Dieses von einem Dozenten geleitete Live-Training (online oder vor Ort) richtet sich an Anfänger- bis Fortgeschrittenene, die lernen möchten, verlässliche ML-Workflows mit Kubeflow zu erstellen.

Nach Abschluss dieses Trainings werden die Teilnehmer die Fähigkeiten erworben haben, um:

• Sich in das Kubeflow-Ökosystem und die Kernkomponenten zu navigieren.
• Wiederholbare Workflows mit Kubeflow Pipelines zu erstellen.
• Skalierbare Training-Jobs in Kubernetes auszuführen.
• Maschinelles Lernen-Modelle effizient mit Kubeflow Serving bereitzustellen.

Kursformat

• Geführte Präsentationen und kooperative Diskussionen.
• Hands-on-Lab mit echten Kubeflow-Komponenten.
• Praktische Übungen zum Erstellen von end-to-end-ML-Workflows.

Kursanpassungsoptionen

• Angepasste Versionen dieses Trainings können angeordnet werden, um sich an die Technologie-Stack und Projektanforderungen Ihres Teams anzupassen.

Diese von einem Trainer geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Entwickler und Datenwissenschaftler, die Workflows für maschinelles Lernen auf Kubernetes erstellen, einsetzen und verwalten möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Installation und Konfiguration von Kubeflow vor Ort und in der Cloud.
• ML-Workflows auf der Grundlage von Docker-Containern und Kubernetes zu erstellen, bereitzustellen und zu verwalten.
• Ganze Pipelines für maschinelles Lernen auf verschiedenen Architekturen und Cloud-Umgebungen auszuführen.
• Verwendung von Kubeflow zum Erstellen und Verwalten von Jupyter-Notebooks.
• ML-Training, Hyperparameter-Tuning und Serving-Workloads über mehrere Plattformen hinweg erstellen.

Diese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Datenwissenschaftler, die über die Erstellung von ML-Modellen hinausgehen und den Prozess der Erstellung, Verfolgung und Bereitstellung von ML-Modellen optimieren möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Installation und Konfiguration von MLflow und verwandten ML-Bibliotheken und -Frameworks.
• die Bedeutung der Nachvollziehbarkeit, Reproduzierbarkeit und Einsatzfähigkeit eines ML-Modells zu erkennen
• ML-Modelle auf verschiedenen öffentlichen Clouds, Plattformen oder On-Premise-Servern bereitzustellen.
• Skalierung des ML-Bereitstellungsprozesses, um die Zusammenarbeit mehrerer Benutzer an einem Projekt zu ermöglichen.
• Einrichtung eines zentralen Registers, um mit ML-Modellen zu experimentieren, sie zu reproduzieren und einzusetzen.

Der SRE (Site Reliability Engineering) Foundation-Kurs ist eine Einführung in die Prinzipien und Praktiken, die es einer Organisation ermöglichen, kritische Dienste zuverlässig und wirtschaftlich zu skalieren. Die Einrichtung einer site-reliability-Dimension erfordert eine Neuausrichtung der Organisation, einen neuen Fokus auf Ingenieurwesen und Automatisierung sowie die Einführung einer Reihe neuer Arbeitsparadigmen.