Erkunden Sie unsere Kurse

Kubeflow on AWS

 28 Stunden
Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Ingenieure, die Machine Learning Arbeitslasten auf einem AWS EC2-Server bereitstellen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Installieren und konfigurieren Sie Kubernetes, Kubeflow und andere benötigte Software auf AWS.
  • Verwenden Sie EKS (Elastic Kubernetes Service), um die Initialisierung eines Kubernetes-Clusters auf AWS zu vereinfachen.
  • Erstellen und Bereitstellen einer Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion.
  • Trainieren und Bereitstellen von TensorFlow ML-Modellen auf mehreren parallel laufenden GPUs und Rechnern.
  • Nutzen Sie andere verwaltete AWS-Services, um eine ML-Anwendung zu erweitern.
Mehr Informationen...

Kubeflow on Azure

 28 Stunden
Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Techniker, die Machine Learning Workloads in der Azure-Cloud bereitstellen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Installieren und konfigurieren Sie Kubernetes, Kubeflow und andere benötigte Software auf Azure.
  • Verwenden Sie Azure Kubernetes Service (AKS), um die Initialisierung eines Kubernetes-Clusters auf Azure zu vereinfachen.
  • Erstellen und Bereitstellen einer Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion.
  • Trainieren und Bereitstellen von TensorFlow ML-Modellen auf mehreren parallel laufenden GPUs und Computern.
  • Nutzen Sie andere verwaltete AWS-Services, um eine ML-Anwendung zu erweitern.
Mehr Informationen...

Kubeflow on GCP

 28 Stunden
Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Ingenieure, die Machine Learning Workloads auf der Google Cloud Platform (GCP) bereitstellen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Installieren und konfigurieren Sie 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 Bereitstellen einer Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion.
  • Trainieren und implementieren Sie TensorFlow ML-Modelle auf mehreren parallel laufenden GPUs und Maschinen.
  • Nutzen Sie andere GCP-Dienste, um eine ML-Anwendung zu erweitern.
Mehr Informationen...

Kubeflow on IBM Cloud

 28 Stunden
Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Techniker, die Machine Learning Workloads auf IBM Cloud Kubernetes Service (IKS) bereitstellen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Installieren und konfigurieren Sie Kubernetes, Kubeflow und andere benötigte Software auf IBM Cloud Kubernetes Service (IKS).
  • Nutzen Sie IKS, um die Arbeit der Initialisierung eines Kubernetes-Clusters auf IBM Cloud zu vereinfachen.
  • Erstellen und Bereitstellen einer Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion.
  • Trainieren und implementieren Sie TensorFlow ML-Modelle auf mehreren GPUs und Maschinen, die parallel laufen.
  • Nutzen Sie andere IBM Cloud Services, um eine ML-Anwendung zu erweitern.
Mehr Informationen...

MLOps: CI/CD for Machine Learning

 35 Stunden
Diese von einem Ausbilder geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Ingenieure, die die heute verfügbaren Ansätze und Werkzeuge bewerten möchten, um eine intelligente Entscheidung über den weiteren Weg bei der Einführung von MLOps in ihrem Unternehmen zu treffen.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:
  • Verschiedene MLOps-Frameworks und -Tools zu installieren und zu konfigurieren.
  • Das richtige Team mit den richtigen Fähigkeiten für den Aufbau und die Unterstützung eines MLOps-Systems zusammenzustellen.
  • Daten für die Verwendung durch ML-Modelle vorzubereiten, zu validieren und zu versionieren.
  • Verstehen der Komponenten einer ML-Pipeline und der für den Aufbau einer solchen benötigten Werkzeuge.
  • Experimentieren mit verschiedenen Frameworks für maschinelles Lernen und Servern für den Einsatz in der Produktion.
  • Operationalisierung des gesamten Machine Learning Prozesses, so dass er reproduzierbar und wartbar ist.
Mehr Informationen...

MLOps for Azure Machine Learning

 14 Stunden
Diese von einem Ausbilder geleitete Live-Schulung (online oder vor Ort) richtet sich an Ingenieure für maschinelles Lernen, die Azure Machine Learning und Azure DevOps zur Erleichterung von MLOps Praktiken nutzen möchten.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Reproduzierbare Arbeitsabläufe und Modelle für maschinelles Lernen zu erstellen.
  • Den Lebenszyklus des maschinellen Lernens zu verwalten.
  • Modellversionshistorie, Assets und mehr zu verfolgen und zu melden.
  • Produktionsfähige Machine-Learning-Modelle überall bereitstellen.
Mehr Informationen...

MLflow

 21 Stunden
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.
Mehr Informationen...

Kubeflow

 35 Stunden
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.
Mehr Informationen...

Kubeflow Fundamentals

 28 Stunden
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.
Mehr Informationen...

Kubeflow on OpenShift

 28 Stunden
Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Techniker, die Machine Learning Workloads in einer OpenShift On-Premise- oder Hybrid-Cloud bereitstellen möchten.
  • Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:
  • Installation und Konfiguration von Kubernetes und Kubeflow auf einem OpenShift-Cluster.
  • OpenShift zu verwenden, um die Initialisierung eines Kubernetes-Clusters zu vereinfachen.
  • eine Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion zu erstellen und einzusetzen.
  • Trainieren und Bereitstellen von TensorFlow ML-Modellen auf mehreren GPUs und parallel laufenden Maschinen.
  • Aufrufen öffentlicher Cloud-Dienste (z. B. AWS-Dienste) aus OpenShift heraus, um eine ML-Anwendung zu erweitern.
Mehr Informationen...

Last Updated:

Erfahrungsberichte(2)

the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose

Guillaume GAUTIER - OLEA MEDICAL

Kurs - MLflow

I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.

Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life™

Kurs - Kubeflow

Kommende Kurse

Andere Regionen in Österreich

Andere Länder

Diese Kurse sind auch in anderen Ländern verfügbar

Beratung

MLOps Beratung
MLOps Schulung, MLOps boot camp, MLOps Abendkurse, MLOps Wochenendkurse, MLOps Kurs, MLOps Training, MLOps Seminar, MLOps Seminare, MLOps Privatkurs, MLOps Coaching, MLOps Lehrer