Kubeflow on Azure Training Course

Това водено от инструктори обучение на живо (онлайн или на място) е насочено към специалисти по данни, които желаят да надхвърлят изграждането на ML модели и да оптимизират процеса на създаване, проследяване и внедряване на ML модели.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте MLflow и свързаните ML библиотеки и рамки.
• Оценете важността на проследимостта, възпроизводимостта и разгръщането на ML модел
• Внедрете ML модели в различни обществени облаци, платформи или локални сървъри.
• Мащабирайте процеса на внедряване на ML, за да поемете множество потребители, които си сътрудничат по проект.
• Настройте централен регистър, за да експериментирате, възпроизвеждате и разгръщате ML модели.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които искат да се научат как да изграждат микроуслуги на Microsoft Azure Service Fabric (ASF).

До края на това обучение участниците ще могат:

• Използвайте ASF като платформа за изграждане и управление на микроуслуги.
• Разберете ключови концепции и модели за програмиране на микроуслуги.
• Създайте клъстер в Azure.
• Внедрете микроуслуги на място или в облака.
• Отстраняване на грешки и отстраняване на неизправности в живо приложение за микросервизи.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери, които желаят да оценят подходите и инструментите, налични днес, за да вземат интелигентно решение относно пътя напред към приемането MLOps в рамките на тяхната организация.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте различни MLOps рамки и инструменти.
• Съберете правилния вид екип с правилните умения за изграждане и поддръжка на MLOps система.
• Подгответе, валидирайте и версирайте данни за използване от ML модели.
• Разберете компонентите на ML Pipeline и инструментите, необходими за изграждането му.
• Експериментирайте с различни рамки за машинно обучение и сървъри за внедряване в производство.
• Операционализирайте целия процес на машинно обучение, така че да може да се възпроизвежда и поддържа.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери, които желаят да внедрят Machine Learning работни натоварвания на AWS EC2 сървър.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Kubernetes, Kubeflow и друг необходим софтуер на AWS.
• Използвайте EKS (Elastic Kubernetes Service), за да опростите работата по инициализиране на Kubernetes клъстер на AWS.
• Създайте и разположете конвейер на Kubernetes за автоматизиране и управление на ML модели в производството.
• Обучете и разположете TensorFlow ML модели в множество GPU и машини, работещи паралелно.
• Използвайте други услуги, управлявани от AWS, за да разширите ML приложение.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери, които желаят да разположат Machine Learning работни натоварвания в Google Cloud Platform (GCP).

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Kubernetes, Kubeflow и друг необходим софтуер на GCP и GKE.
• Използвайте GKE (Kubernetes Kubernetes Engine), за да опростите работата по инициализиране на Kubernetes клъстер на GCP.
• Създайте и разположете конвейер на Kubernetes за автоматизиране и управление на ML модели в производството.
• Обучете и внедрите TensorFlow ML модели в множество GPU и машини, работещи паралелно.
• Използвайте други GCP услуги, за да разширите ML приложение.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери, които желаят да внедрят Machine Learning работни натоварвания в IBM Cloud Kubernetes Service (IKS).

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Kubernetes, Kubeflow и друг необходим софтуер в IBM Cloud Kubernetes Service (IKS).
• Използвайте IKS, за да опростите работата по инициализиране на Kubernetes клъстер в IBM Cloud.
• Създайте и разположете конвейер на Kubernetes за автоматизиране и управление на ML модели в производството.
• Обучете и разположете TensorFlow ML модели в множество GPU и машини, работещи паралелно.
• Използвайте други IBM Cloud услуги, за да разширите ML приложение.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици и специалисти по данни, които желаят да изграждат, разгръщат и управляват работни процеси за машинно обучение на Kubernetes.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Kubeflow на място и в облака с помощта на AWS EKS (Elastic Kubernetes Service).
• Създавайте, внедрявайте и управлявайте работни потоци на ML въз основа на Docker контейнери и Kubernetes.
• Изпълнявайте цели тръбопроводи за машинно обучение на различни архитектури и облачни среди.
• Използване на Kubeflow за създаване и управление на преносими компютри Jupyter.
• Изграждане на ML обучение, настройка на хиперпараметри и обслужване на работни натоварвания в множество платформи.

Това водено от инструктор обучение на живо (онлайн или на място) е насочено към инженери, които желаят да разположат работни натоварвания на машинно обучение в OpenShift локален или хибриден облак.

• До края на това обучение участниците ще могат:
• Инсталирайте и конфигурирайте Kubernetes и Kubeflow на OpenShift клъстер.
• Използвайте OpenShift, за да опростите работата по инициализиране на Kubernetes клъстер.
• Създайте и разположете конвейер на Kubernetes за автоматизиране и управление на ML модели в производството.
• Обучете и разположете TensorFlow ML модели в множество GPU и машини, работещи паралелно.
• Обадете се на обществени облачни услуги (напр. AWS услуги) от OpenShift, за да разширите ML приложение

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици и специалисти по данни, които желаят да изграждат, разгръщат и управляват работни процеси за машинно обучение на Kubernetes.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Kubeflow на място и в облака.
• Създавайте, внедрявайте и управлявайте ML работни потоци въз основа на Docker контейнери и Kubernetes.
• Изпълнявайте цели тръбопроводи за машинно обучение на различни архитектури и облачни среди.
• Използване на Kubeflow за създаване и управление на преносими компютри Jupyter.
• Изграждане на ML обучение, настройка на хиперпараметри и обслужване на работни натоварвания в множество платформи.

Това обучение позволява на делегатите да подобрят своите Microsoft умения за проектиране на решения за Azure.

След това обучение делегатът ще разбере функциите и възможностите на Azure услугите, за да може да идентифицира компромиси и да взема решения за проектиране на публични и хибридни облачни решения.

По време на обучението ще бъдат дефинирани подходящите инфраструктурни и платформени решения, които да отговарят на необходимите функционални, оперативни изисквания и изисквания за внедряване през жизнения цикъл на решението.

В това водено от инструктор обучение на живо в България (на място или отдалечено) участниците ще научат основните концепции, компоненти и услуги на Microsoft Azure, докато преминават през създаването на примерно облачно приложение.

До края на това обучение участниците ще могат:

• Разберете основите на Microsoft Azure
• Разберете различните инструменти и услуги на Azure
• Научете как да използвате Azure за изграждане на облачни приложения

Azure е цялостен набор от облачни услуги, който позволява на разработчици, ИТ специалисти и организации да изграждат, внедряват и управляват приложения и инфраструктурни услуги. Интерфейсът на командния ред на Azure (CLI) е инструмент с отворен код, междуплатформен команден ред, който прави създаването и управлението на ресурси на Azure по-лесно.

В това водено от инструктор обучение на живо участниците ще научат как да започнат да използват Azure CLI.

До края на това обучение участниците ще могат:

Разберете основите на използването на Azure CLI Научете техники за управление на ресурси с помощта на Azure CLI Приложете наученото към практически проблеми от реалния свят, включващи виртуални машини, управление на ресурси, акаунти за съхранение, уеб приложения и SQL бази данни Автоматизирайте техния API с помощта на услугата Azure директори

Публика

Разработчици ИТ специалисти Техници DevOps E

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика