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 (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:
  • Installation und Konfiguration verschiedener MLOps Frameworks und Tools.
  • Das richtige Team mit den richtigen Fähigkeiten für den Aufbau und die Unterstützung eines MLOps Systems zusammenstellen.
  • Daten für die Verwendung durch ML-Modelle vorbereiten, validieren und versionieren.
  • Verstehen Sie die Komponenten einer ML-Pipeline und die für den Aufbau einer solchen benötigten Tools.
  • Mit verschiedenen Frameworks für maschinelles Lernen und Servern für den Einsatz in der Produktion experimentieren.
  • Den gesamten Prozess des maschinellen Lernens so zu gestalten, dass er reproduzierbar und wartbar ist.
Mehr Informationen...

Kubeflow

35 Stunden
Diese von einem Trainer geleitete Live-Schulung (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 Kubeflow vor Ort und in der Cloud mit AWS EKS (Elastic Kubernetes Service).
  • Erstellen, Bereitstellen und Verwalten von ML-Workflows auf Basis von Docker-Containern und Kubernetes.
  • Gesamte Pipelines für maschinelles Lernen auf verschiedenen Architekturen und Cloud-Umgebungen ausführen.
  • Mit Kubeflow Jupyter-Notebooks erstellen und verwalten.
  • Erstellen von ML-Training, Hyperparameter-Tuning und Serving-Workloads über mehrere Plattformen hinweg.
Mehr Informationen...

Kubeflow on OpenShift

28 Stunden
Diese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Ingenieure, 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:
  • Kubernetes und Kubeflow auf einem OpenShift-Cluster zu installieren und zu konfigurieren.
  • OpenShift nutzen, um die Initialisierung eines Kubernetes-Clusters 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.
  • Aufruf öffentlicher Cloud-Dienste (z. B. AWS-Dienste) von OpenShift aus, um eine ML-Anwendung zu erweitern
Mehr Informationen...

Kubeflow Fundamentals

28 Stunden
Diese von einem Trainer geleitete Live-Schulung (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.
  • Erstellen, Bereitstellen und Verwalten von ML-Workflows auf Basis von Docker-Containern und Kubernetes.
  • Gesamte Pipelines für maschinelles Lernen auf verschiedenen Architekturen und Cloud-Umgebungen ausführen.
  • Mit Kubeflow Jupyter-Notebooks erzeugen und verwalten.
  • Erstellung von ML-Training, Hyperparameter-Tuning und Serving-Workloads über mehrere Plattformen hinweg.
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:
  • Installieren und Konfigurieren von MLflow und verwandten ML-Bibliotheken und -Frameworks.
  • Erkennen der Bedeutung von Nachvollziehbarkeit, Reproduzierbarkeit und Einsatzfähigkeit eines ML-Modells
  • ML-Modelle auf verschiedenen öffentlichen Clouds, Plattformen oder On-Premise-Servern bereitstellen.
  • Skalieren Sie den ML-Bereitstellungsprozess, um die Zusammenarbeit mehrerer Benutzer an einem Projekt zu ermöglichen.
  • Einrichten eines zentralen Registers zum Experimentieren, Reproduzieren und Bereitstellen von ML-Modellen.
Mehr Informationen...

Last Updated:



Erfahrungsberichte(2)

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

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

Guillaume GAUTIER - OLEA MEDICAL
Kurs - MLflow

Kommende Kurse

Andere Regionen in Schweiz

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
1