Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 14 Stunden
Schulungsübersicht
Einführung in die Containerisierung für KI und ML
- Kernkonzepte der Containerisierung
- Warum Container ideal für ML-Workloads sind
- Wesentliche Unterschiede zwischen Containern und virtuellen Maschinen
Arbeit mit Docker-Images und Containern
- Verständnis von Images, Ebenen und Registern
- Verwaltung von Containern für ML-Experimente
- Effiziente Nutzung der Docker-CLI
Paketierung von ML-Umgebungen
- Vorbereitung von ML-Codebasen für die Containerisierung
- Verwaltung von Python-Umgebungen und Abhängigkeiten
- Integration von CUDA- und GPU-Unterstützung
Erstellung von Dockerfiles für Machine Learning
- Gestaltung von Dockerfiles für ML-Projekte
- Best Practices für Leistung und Wartbarkeit
- Nutzung von Multi-Stage-Builds
Containerisierung von ML-Modellen und Pipelines
- Paketierung trainierter Modelle in Containern
- Verwaltung von Daten- und Speicherstrategien
- Implementierung reproduzierbarer End-to-End-Workflows
Ausführung von containerisierten ML-Diensten
- Bereitstellen von API-Endpunkten für Modellinferenz
- Skalierung von Diensten mit Docker Compose
- Überwachung des Laufzeitverhaltens
Sicherheits- und Compliance-Aspekte
- Gewährleistung sicherer Containerkonfigurationen
- Verwaltung von Zugriffsrechten und Anmeldedaten
- Bearbeitung vertraulicher ML-Ressourcen
Einführung in Produktionsumgebungen
- Veröffentlichung von Images in Container-Registern
- Implementierung von Containern in On-Premises- oder Cloud-Setups
- Versionierung und Aktualisierung von Produktionsdiensten
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis der Workflows im Machine Learning
- Kenntnisse in Python oder ähnlichen Programmiersprachen
- Vertrautheit mit grundlegenden Linux-Befehlszeilenoperationen
Zielgruppe
- ML-Ingenieure, die Modelle in die Produktion einfügen
- Data Scientists, die reproduzierbare Experimentierumgebungen verwalten
- KI-Entwickler, die skalierbare containerisierte Anwendungen erstellen
Erfahrungsberichte (2)
Wie ich bereits erwähnt habe, war dies für mich (ohne Erfahrung) ein Tor zum Verständnis der Funktionen und Möglichkeiten dieser Programme und Werkzeuge.
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
Kurs - Docker and Kubernetes
Maschinelle Übersetzung
ein mehrstufiges, strukturiertes Kursprogramm.
Bert Paelinckx - Cube SoftwareSolutions
Kurs - Introduction to Docker
Maschinelle Übersetzung