
Von Lehrern geleitete Live-MLOps-Schulungen online oder vor Ort demonstrieren durch interaktive praktische Übungen, wie MLOps-Tools verwendet werden können, um die Bereitstellung und Wartung von ML-Systemen in der Produktion zu automatisieren und zu optimieren. MLOps-Training ist als „Online-Live-Training“ oder „Vor-Ort-Live-Training“ verfügbar. Das Online-Live-Training (auch „Remote-Live-Training“) wird über einen interaktiven Remote-Desktop durchgeführt. Live-Schulungen vor Ort können vor Ort beim Kunden in Schweiz oder in den NobleProg-Schulungszentren in Schweiz durchgeführt werden. NobleProg – Ihr lokaler Schulungsanbieter
Machine Translated
MLOps Course Outlines
-
Installieren und konfigurieren Sie verschiedene MLOps Frameworks und Tools.
Versammeln Sie die richtige Art von Team mit den richtigen Fähigkeiten für die Konstruktion und Unterstützung eines Systems MLOps.
Vorbereiten, validieren und Versiondaten für die Verwendung durch ML-Modelle.
Erfahre die Komponenten einer ML-Pipeline und die Werkzeuge, die erforderlich sind, um eine zu bauen.
Experimentieren mit verschiedenen Machine Learning Frameworks und Servern für die Produktion.
Operationalisieren Sie den gesamten Machine Learning Prozess, damit es reproduzierbar und nachhaltig ist.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
-
Installieren und konfigurieren Kubernetes, Kubeflow und andere benötigte Software auf AWS.
Verwenden Sie EKS (Elastic Kubernetes Service), um die Arbeit der Initialisierung eines Kubernetes Clusters auf AWS zu vereinfachen.
Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion.
Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren.
Leverage andere AWS verwaltete Dienste, um eine ML-Anwendung zu erweitern.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
-
Installieren und konfigurieren Kubernetes, Kubeflow und andere benötigte Software auf Azure.
Verwenden Sie Azure Kubernetes Service (AKS), um die Arbeit der Initialisierung eines Kubernetes Cluster auf Azure zu vereinfachen.
Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion.
Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren.
Leverage andere AWS verwaltete Dienste, um eine ML-Anwendung zu erweitern.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
-
Installieren und konfigurieren 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 implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion.
Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren.
Leverage andere GCP-Dienste, um eine ML-Anwendung zu erweitern.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
-
Installieren und konfigurieren Kubernetes, Kubeflow und andere benötigte Software auf IBM Cloud Kubernetes Service (IKS).
Verwenden Sie IKS, um die Arbeit der Initialisierung eines Kubernetes Clusters auf der IBM Cloud zu vereinfachen.
Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion.
Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren.
Leverage andere IBM Cloud-Dienste, um eine ML-Anwendung zu erweitern.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
-
Installieren und konfigurieren Sie Kubeflow auf Prämise und im Cloud mit AWS EKS (Elastic Kubernetes Service).
Erstellen, implementieren und verwalten ML Workflows basierend auf Docker Container und Kubernetes.
Führen Sie die gesamten Maschinenlernen auf verschiedenen Architekturen und Cloud-Umgebungen.
Verwenden Sie Kubeflow, um Jupyter Notebooks zu spannen und zu verwalten.
Erstellen Sie ML-Training, Hyperparameter-Tuning und Service-Workloads auf mehreren Plattformen.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
-
Am Ende dieser Ausbildung können die Teilnehmer:
Und siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe!
Verwenden Sie OpenShift, um die Arbeit der Initialisierung eines Kubernetes Clusters zu vereinfachen.
Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion.
Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren.
Anrufen Sie öffentliche Cloud-Dienstleistungen (z. B. AWS-Dienstleistungen) von innen OpenShift, um eine ML-Anwendung zu erweitern.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
-
Installieren und konfigurieren Kubeflow auf Prämise und im Cloud.
Erstellen, implementieren und verwalten ML Workflows basierend auf Docker Container und Kubernetes.
Führen Sie die gesamten Maschinenlernen auf verschiedenen Architekturen und Cloud-Umgebungen.
Verwenden Sie Kubeflow, um Jupyter Notebooks zu spannen und zu verwalten.
Erstellen Sie ML-Training, Hyperparameter-Tuning und Service-Workloads auf mehreren Plattformen.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
Um mehr über Kubeflow zu erfahren, besuchen Sie bitte: https://github.com/kubeflow/kubeflow
-
Installieren und konfigurieren MLflow und damit verbundene ML-Bibliotheken und Frameworks.
Bewertung der Bedeutung der Rückverfolgbarkeit, Reproduktion und Implementierbarkeit eines ML-Modells
Entwickeln Sie ML-Modelle auf verschiedene öffentliche Clouds, Plattformen oder On-Premise-Server.
Skalieren Sie den ML-Entfernungsprozess, um mehrere Benutzer mit einem Projekt zusammenzuarbeiten.
Einrichtung eines zentralen Registers, um mit ML-Modellen zu experimentieren, zu reproduzieren und zu implementieren.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
Last Updated: