MLOps Training Courses

MLOps е набор от инструменти и методи за комбиниране Machine Learning и DevOps практики. Целта на MLOps е да се автоматизира и оптимизира разпространението и поддръжката на ML системи в производството. Това обучение, ръководено от инструктори (онлайн или онлайн) е насочено към инженери, които искат да оценят наличните днес подходи и инструменти, за да вземат интелигентно решение по пътя напред в приемането MLOps в рамките на своята организация. В края на обучението участниците ще могат да:

Инсталиране и конфигуриране на различни MLOps рамки и инструменти. Съберете правилния тип екип с подходящите умения за изграждане и поддържане на система MLOps. Подготвяне, валидиране и версия на данните за използване от ML модели. Разберете компонентите на МЛ тръбопровода и инструментите, необходими за изграждането му. Експеримент с различни рамки за машинно обучение и сървъри за внедряване в производството. Операционирайте целия Machine Learning процес, така че да бъде възпроизвеждаем и поддържаем.

Формат на курса

Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.

Опции за персонализиране на курса

За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.

Kubeflow Това е рамка за изпълнение Machine Learning работно натоварване на Kubernetes. TensorFlow е библиотека за машинно обучение и Kubernetes е оркестрационна платформа за управление на контейнерни приложения. Това обучение, ръководено от инструктори, на живо (онлайн или онлайн) е насочено към инженери, които искат да разпределят Machine Learning работно натоварване на AWS EC2 сървър. В края на обучението участниците ще могат да:

Инсталиране и конфигуриране на Kubernetes, Kubeflow и други необходими софтуер на AWS. Използвайте EKS (Elastic Kubernetes Service) за опростяване на работата по инициализиране на Kubernetes кластер на AWS. Създаване и внедряване на Kubernetes тръбопровод за автоматизиране и управление на ML модели в производството. Тренирайте и разпространявайте TensorFlow ML модели на няколко GPU и машини, които работят паралелно. Предоставяне на други услуги, управлявани от AWS, за да се разшири ML приложение.

Формат на курса

Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.

Опции за персонализиране на курса

За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.

Kubeflow е рамка за изпълнение Machine Learning работно натоварване на Kubernetes. TensorFlow е една от най-популярните библиотеки за машинно обучение. Kubernetes е оркестрационна платформа за управление на контейнерни приложения. Това обучение, ръководено от инструктори, на живо (онлайн или онлайн) е насочено към инженери, които искат да разпределят Machine Learning работни натоварвания в Azure облак. В края на обучението участниците ще могат да:

Инсталиране и конфигуриране на Kubernetes, Kubeflow и други необходими софтуер на Azure. Използвайте Azure Kubernetes Услуга (AKS) за опростяване на работата на инициализиране на Kubernetes кластер на Azure. Създаване и внедряване на Kubernetes тръбопровод за автоматизиране и управление на ML модели в производството. Тренирайте и разпространявайте TensorFlow ML модели на няколко GPU и машини, които работят паралелно. Предоставяне на други услуги, управлявани от AWS, за да се разшири ML приложение.

Формат на курса

Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.

Опции за персонализиране на курса

За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.

Kubeflow е рамка за изпълнение Machine Learning работно натоварване на Kubernetes. TensorFlow е една от най-популярните библиотеки за машинно обучение. Kubernetes е оркестрационна платформа за управление на контейнерни приложения. Това обучение, ръководено от инструктори, на живо (онлайн или онлайн) е насочено към инженери, които искат да разпределят Machine Learning работни натоварвания на Google Cloud Platform (GCP). В края на обучението участниците ще могат да:

Инсталиране и конфигуриране на Kubernetes, Kubeflow и други необходими софтуер на GCP и GKE. Използвайте GKE (Kubernetes Kubernetes двигател) за опростяване на работата на инициализиране на Kubernetes кластер на GCP. Създаване и внедряване на Kubernetes тръбопровод за автоматизиране и управление на ML модели в производството. Трениране и разпространение на TensorFlow ML модели на няколко GPU и машини, които работят паралелно. Предоставяне на други услуги на GCP за разширяване на ML приложение.

Формат на курса

Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.

Опции за персонализиране на курса

За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.

Kubeflow Това е рамка за изпълнение Machine Learning работно натоварване на Kubernetes. TensorFlow е една от най-популярните библиотеки за машинно обучение. Kubernetes е оркестрационна платформа за управление на контейнерни приложения. Това обучение, ръководено от инструктори, на живо (онлайн или онлайн) е насочено към инженери, които желаят да внедрят Machine Learning работно натоварване в IBM Cloud Kubernetes Service (IKS). В края на обучението участниците ще могат да:

Инсталиране и конфигуриране на Kubernetes, Kubeflow и други необходими софтуер на IBM Cloud Kubernetes Service (IKS). Използвайте IKS, за да опростите работата по инициализиране на Kubernetes кластер в IBM Cloud. Създаване и внедряване на Kubernetes тръбопровод за автоматизиране и управление на ML модели в производството. Тренирайте и разпространявайте TensorFlow ML модели на няколко GPU и машини, които работят паралелно. Предоставяне на други услуги на IBM Cloud, за да се разшири ML приложение.

Формат на курса

Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.

Опции за персонализиране на курса

За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.

Kubeflow е набор от инструменти за създаване на Machine Learning (ML) на Kubernetes лесен, преносим и скалиращ. AWS EKS (Elastic Kubernetes Service) е услуга, управлявана от Amazon за изпълнение на Kubernetes на AWS. Това обучение, ръководено от инструктори, на живо (онлайн или онлайн) е насочено към разработчици и учени на данни, които искат да изграждат, разпространяват и управляват работни потоци за машинно обучение на Kubernetes. В края на обучението участниците ще могат да:

Инсталиране и конфигуриране Kubeflow на предварително и в облака с помощта на AWS EKS (Elastic Kubernetes Service). Изграждане, внедряване и управление на ML работни потоци въз основа на Docker контейнери и Kubernetes. Извършете цели тръби за машинно обучение в различни архитектури и облачни среди. Използвайте Kubeflow за пробиване и управление на Jupyter лаптопи. Изграждане на обучение за ML, хиперпараметри и обслужване на работното натоварване на няколко платформи.

Формат на курса

Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.

Опции за персонализиране на курса

За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.

Kubeflow е рамка за изпълнение на Machine Learning работно натоварване на Kubernetes. TensorFlow е една от най-популярните библиотеки за машинно обучение. Kubernetes е оркестрационна платформа за управление на контейнерни приложения. OpenShift е платформа за разработка на приложения в облака, която използва Docker контейнери, организирани и управлявани от Kubernetes, на основание на Red Hat Enterprise Linux. Това обучение, ръководено от инструктори, на живо (онлайн или онлайн) е насочено към инженери, които искат да разпределят Machine Learning работно натоварване в OpenShift на предварително или хибридно облак.

В края на обучението участниците ще могат да: Върху него се издига и се издига и се издига и се издига и се издига. Използвайте OpenShift за опростяване на работата на инициализиране на Kubernetes кластер. Създаване и внедряване на тръбопровод Kubernetes за автоматизиране и управление на ML модели в производството. Тренирайте и разпространявайте TensorFlow ML модели на няколко GPU и машини, които работят паралелно. Обърнете се към публични услуги в облака (напр. услуги на AWS) отвътре OpenShift, за да разширите приложение за ML.

Формат на курса

Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.

Опции за персонализиране на курса

За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.

Kubeflow е набор от инструменти за създаване на Machine Learning (ML) на Kubernetes лесен, преносим и скалиращ. Това обучение, ръководено от инструктори, на живо (онлайн или онлайн) е насочено към разработчици и учени на данни, които искат да изграждат, разпространяват и управляват работни потоци за машинно обучение на Kubernetes. В края на обучението участниците ще могат да:

Инсталиране и конфигуриране Kubeflow на предварително и в облака. Изграждане, внедряване и управление на ML работни потоци въз основа на Docker контейнери и Kubernetes. Извършете цели тръби за машинно обучение в различни архитектури и облачни среди. Използвайте Kubeflow за пробиване и управление на Jupyter лаптопи. Изграждане на обучение за ML, хиперпараметри и обслужване на работното натоварване на няколко платформи.

Формат на курса

Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.

Опции за персонализиране на курса

За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате. За да научите повече за Kubeflow, моля посетете: https://github.com/kubeflow/kubeflow

MLflow е платформа с отворен код за усъвършенстване и управление на жизнения цикъл на машинното обучение. Той поддържа всяка ML (машинно обучение) библиотека, алгоритъм, инструмент за внедряване или език. Просто добавете MLflow към съществуващия си ML код, за да споделите кода през всяка ML библиотека, която се използва в рамките на вашата организация. Това обучение, ръководено от инструктори (онлайн или онлайн) е насочено към учени на данни, които искат да преминат извън изграждането на ML модели и да оптимизират процеса на създаване, проследяване и внедряване на ML модели. В края на обучението участниците ще могат да:

Инсталиране и конфигуриране на MLflow и свързани с ML библиотеки и рамки. Оценяване на значението на проследимостта, възпроизвеждаемостта и разпространението на модел ML Разработване на ML модели на различни публични облаци, платформи или на предварителни сървъри. Скалирайте процеса на внедряване на МЛ, за да подхождате на многобройни потребители, които си сътрудничат по проект. Създаване на централен регистър за експериментиране, възпроизвеждане и внедряване на ML модели.

Формат на курса

Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.

Опции за персонализиране на курса

За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.