MLOps Schulungen

MLOps ist eine Reihe von Tools und Methoden für die Kombination Machine Learning und DevOps Praktiken. Ziel von MLOps ist die Automatisierung und Optimierung der Einführung und Wartung von ML-Systemen in der Produktion. Dieser Instructor-leitet, Live-Training (online oder on-site) richtet sich an Ingenieure, die die Ansätze und Werkzeuge bewerten möchten, die heute zur Verfügung stehen, um eine intelligente Entscheidung über den Weg nach vorne in der Annahme MLOps innerhalb ihrer Organisation zu treffen. Am Ende dieser Ausbildung können die Teilnehmer:

Installieren und konfigurieren Sie verschiedene MLOps Frameworks und Tools. Versammeln Sie die richtige Art von Team mit den richtigen Fähigkeiten für die Konstruktion und Unterstützung eines Systems MLOps. Vorbereiten, validieren und Versiondaten für die Verwendung durch ML-Modelle. Erfahre die Komponenten einer ML-Pipeline und die Werkzeuge, die erforderlich sind, um eine zu bauen. Experimentieren mit verschiedenen Machine Learning Frameworks und Servern für die Produktion. Operationalisieren Sie den gesamten Machine Learning Prozess, damit es reproduzierbar und nachhaltig ist.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Kubeflow Es ist ein Rahmen für die Durchführung Machine Learning Arbeitsladen auf Kubernetes. TensorFlow ist eine Maschinenlehrbibliothek und Kubernetes ist eine Orchestrierplattform für die Verwaltung von Container-Anwendungen. Diese Live-Training (online oder online) richtet sich an Ingenieure, die Arbeitsloads auf einen AWS EC2-Server implementieren möchten. Am Ende dieser Ausbildung können die Teilnehmer:

Installieren und konfigurieren Kubernetes, Kubeflow und andere benötigte Software auf AWS. Verwenden Sie EKS (Elastic Kubernetes Service), um die Arbeit der Initialisierung eines Kubernetes Clusters auf AWS zu vereinfachen. Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion. Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren. Leverage andere AWS verwaltete Dienste, um eine ML-Anwendung zu erweitern.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Kubeflow ist ein Rahmen für die Durchführung Machine Learning Arbeitsladen auf Kubernetes. TensorFlow ist eine der beliebtesten Maschinenlehrbibliotheken. Kubernetes ist eine Orchesterplattform für die Verwaltung von Container-Anwendungen. Dieser Instructor-leitet, Live-Training (online oder on-site) richtet sich an Ingenieure, die Machine Learning Workloads auf Azure Cloud implementieren möchten. Am Ende dieser Ausbildung können die Teilnehmer:

Installieren und konfigurieren Kubernetes, Kubeflow und andere benötigte Software auf Azure. Verwenden Sie Azure Kubernetes Service (AKS), um die Arbeit der Initialisierung eines Kubernetes Cluster auf Azure zu vereinfachen. Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion. Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren. Leverage andere AWS verwaltete Dienste, um eine ML-Anwendung zu erweitern.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Kubeflow ist ein Rahmen für die Durchführung Machine Learning Arbeitsladen auf Kubernetes. TensorFlow ist eine der beliebtesten Maschinenlehrbibliotheken. Kubernetes ist eine Orchesterplattform für die Verwaltung von Container-Anwendungen. Dieser Instructor-leitet, Live-Training (online oder on-site) richtet sich an Ingenieure, die Machine Learning Workloads auf Google Cloud Platform (GCP) implementieren möchten. Am Ende dieser Ausbildung können die Teilnehmer:

Installieren und konfigurieren Kubernetes, Kubeflow und andere benötigte Software auf GCP und GKE. Verwenden Sie GKE (Kubernetes Kubernetes Engine), um die Arbeit der Initialisierung eines Kubernetes Clusters auf GCP zu vereinfachen. Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion. Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren. Leverage andere GCP-Dienste, um eine ML-Anwendung zu erweitern.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Kubeflow Es ist ein Rahmen für die Durchführung Machine Learning Arbeitsladen auf Kubernetes. TensorFlow ist eine der beliebtesten Maschinenlehrbibliotheken. Kubernetes ist eine Orchesterplattform für die Verwaltung von Container-Anwendungen. Dieser Instructor-leitet, Live-Training (online oder on-site) richtet sich an Ingenieure, die Arbeitsladungen auf IBM Cloud Kubernetes Service (IKS) implementieren möchten. Am Ende dieser Ausbildung können die Teilnehmer:

Installieren und konfigurieren Kubernetes, Kubeflow und andere benötigte Software auf IBM Cloud Kubernetes Service (IKS). Verwenden Sie IKS, um die Arbeit der Initialisierung eines Kubernetes Clusters auf der IBM Cloud zu vereinfachen. Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion. Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren. Leverage andere IBM Cloud-Dienste, um eine ML-Anwendung zu erweitern.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Kubeflow ist ein Toolkit für die Erstellung Machine Learning (ML) auf Kubernetes einfach, tragbare und skalierbare. AWS EKS (Elastic Kubernetes Service) ist eine Amazon verwaltete Dienstleistung für die Ausführung der Kubernetes auf AWS. Dieser Instructor-leitet, Live-Training (Online oder OnSite) richtet sich an Entwickler und Datenwissenschaftler, die Maschinenlehrungsarbeitströme auf Kubernetes bauen, implementieren und verwalten möchten. Am Ende dieser Ausbildung können die Teilnehmer:

Installieren und konfigurieren Sie Kubeflow auf Prämise und im Cloud mit AWS EKS (Elastic Kubernetes Service). Erstellen, implementieren und verwalten ML Workflows basierend auf Docker Container und Kubernetes. Führen Sie die gesamten Maschinenlernen auf verschiedenen Architekturen und Cloud-Umgebungen. Verwenden Sie Kubeflow, um Jupyter Notebooks zu spannen und zu verwalten. Erstellen Sie ML-Training, Hyperparameter-Tuning und Service-Workloads auf mehreren Plattformen.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Kubeflow ist ein Rahmen für die Durchführung Machine Learning Arbeitsladen auf Kubernetes. TensorFlow ist eine der beliebtesten Maschinenlehrbibliotheken. Kubernetes ist eine Orchesterplattform für die Verwaltung von Container-Anwendungen. OpenShift ist eine Cloud-Anwendungentwicklung-Plattform, die Container verwendet Docker, orchestriert und verwaltet von Kubernetes, auf der Grundlage von Red Hat Enterprise Linux. Dieser Instructor-leitet, Live-Training (online oder on-site) richtet sich an Ingenieure, die Arbeitsladungen auf eine OpenShift on-premise oder hybride Cloud implementieren möchten.

Am Ende dieser Ausbildung können die Teilnehmer: Und siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe! Verwenden Sie OpenShift, um die Arbeit der Initialisierung eines Kubernetes Clusters zu vereinfachen. Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion. Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren. Anrufen Sie öffentliche Cloud-Dienstleistungen (z. B. AWS-Dienstleistungen) von innen OpenShift, um eine ML-Anwendung zu erweitern.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Kubeflow ist ein Toolkit für die Erstellung Machine Learning (ML) auf Kubernetes einfach, tragbare und skalierbare. Dieser Instructor-leitet, Live-Training (Online oder OnSite) richtet sich an Entwickler und Datenwissenschaftler, die Maschinenlehrungsarbeitströme auf Kubernetes bauen, implementieren und verwalten möchten. Am Ende dieser Ausbildung können die Teilnehmer:

Installieren und konfigurieren Kubeflow auf Prämise und im Cloud. Erstellen, implementieren und verwalten ML Workflows basierend auf Docker Container und Kubernetes. Führen Sie die gesamten Maschinenlernen auf verschiedenen Architekturen und Cloud-Umgebungen. Verwenden Sie Kubeflow, um Jupyter Notebooks zu spannen und zu verwalten. Erstellen Sie ML-Training, Hyperparameter-Tuning und Service-Workloads auf mehreren Plattformen.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren. Um mehr über Kubeflow zu erfahren, besuchen Sie bitte: https://github.com/kubeflow/kubeflow

MLflow ist eine Open-Source-Plattform für die Stärkung und Verwaltung des Lebenszyklus des Maschinenlehrens. Es unterstützt jede ML (Machine Learning) Bibliothek, Algorithmus, Ausführungs-Tool oder Sprache. Fügen Sie einfach MLflow an Ihren bestehenden ML-Code hinzu, um den Code über jede ML-Bibliothek zu teilen, die innerhalb Ihrer Organisation verwendet wird. Dieser Instructor-Leid, Live-Training (online oder on-site) richtet sich an Datenwissenschaftler, die über die ML-Modelle hinausgehen und den ML-Modell-Kreation, Tracking und Implementierungsprozess optimieren möchten. Am Ende dieser Ausbildung können die Teilnehmer:

Installieren und konfigurieren MLflow und damit verbundene ML-Bibliotheken und Frameworks. Bewertung der Bedeutung der Rückverfolgbarkeit, Reproduktion und Implementierbarkeit eines ML-Modells Entwickeln Sie ML-Modelle auf verschiedene öffentliche Clouds, Plattformen oder On-Premise-Server. Skalieren Sie den ML-Entfernungsprozess, um mehrere Benutzer mit einem Projekt zusammenzuarbeiten. Einrichtung eines zentralen Registers, um mit ML-Modellen zu experimentieren, zu reproduzieren und zu implementieren.

Format des Kurses

Interaktive Unterricht und Diskussion. Viele Übungen und Übungen. Hand-on Implementierung in einem Live-Lab-Umfeld.

Kursanpassungsoptionen

Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.