
Lokale, door een instructeur geleide live MLOps-trainingscursussen demonstreren door middel van interactieve praktijkoefeningen hoe MLOps-tools kunnen worden gebruikt om de implementatie en het onderhoud van ML-systemen in productie te automatiseren en te optimaliseren. MLOps-training is beschikbaar als 'live training op afstand' of 'live training op afstand'. Online live training (ook bekend als "live training op afstand") wordt uitgevoerd via een interactieve, externe desktop . Live training op locatie kan lokaal worden uitgevoerd op het terrein van de klant in Nederland of in NobleProg bedrijfsopleidingscentra in Nederland. NobleProg -- Uw lokale trainingsaanbieder
Machine Translated
MLOps Course Outlines
-
Installeren en configureren Kubernetes, Kubeflow en andere noodzakelijke software op AWS.
Gebruik EKS (Elastic Kubernetes Service) om het werk van het initialiseren van een Kubernetes cluster op AWS te vereenvoudigen.
Creëren en implementeren van een Kubernetes pipeline voor het automatiseren en beheren van ML-modellen in productie.
Trainen en deployeren TensorFlow ML-modellen over meerdere GPUs en machines die parallel rijden.
Leverage van andere AWS beheerde diensten om een ML-applicatie uit te breiden.
-
Interactieve lezingen en discussie.
Veel oefeningen en oefeningen.
Hand-on implementatie in een live-lab-omgeving.
-
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
-
Installeer en installeer Kubernetes, Kubeflow en andere noodzakelijke software op Azure.
Gebruik Azure Kubernetes Service (AKS) om het werk van het initialiseren van een Kubernetes cluster op Azure te vereenvoudigen.
Creëren en implementeren van een Kubernetes pipeline voor het automatiseren en beheren van ML-modellen in productie.
Trainen en deployeren TensorFlow ML-modellen over meerdere GPUs en machines die parallel rijden.
Leverage van andere AWS beheerde diensten om een ML-applicatie uit te breiden.
-
Interactieve lezingen en discussie.
Veel oefeningen en oefeningen.
Hand-on implementatie in een live-lab-omgeving.
-
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
-
Installeren en configureren Kubernetes, Kubeflow en andere noodzakelijke software op GCP en GKE.
Gebruik GKE (Kubernetes Kubernetes Engine) om het werk van het initialiseren van een Kubernetes cluster op GCP te vereenvoudigen.
Creëren en implementeren van een Kubernetes pipeline voor het automatiseren en beheren van ML-modellen in productie.
Trainen en implementeren TensorFlow ML-modellen over meerdere GPUs en machines die parallel rijden.
Leverage van andere GCP-diensten om een ML-aanvraag uit te breiden.
-
Interactieve lezingen en discussie.
Veel oefeningen en oefeningen.
Hand-on implementatie in een live-lab-omgeving.
-
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
-
Installeren en configureren Kubernetes, Kubeflow en andere noodzakelijke software op IBM Cloud Kubernetes Service (IKS).
Gebruik IKS om het werk van het initialiseren van een Kubernetes cluster op IBM Cloud te vereenvoudigen.
Creëren en implementeren van een Kubernetes pipeline voor het automatiseren en beheren van ML-modellen in productie.
Trainen en deployeren TensorFlow ML-modellen over meerdere GPUs en machines die parallel rijden.
Leverage andere IBM Cloud-diensten om een ML-applicatie uit te breiden.
-
Interactieve lezingen en discussie.
Veel oefeningen en oefeningen.
Hand-on implementatie in een live-lab-omgeving.
-
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
-
Installeren en configureren van verschillende MLOps frameworks en tools.
Verzamel het juiste type team met de juiste vaardigheden voor het bouwen en ondersteunen van een MLOps systeem.
Voorbereiden, valideren en versiesgegevens voor gebruik door ML-modellen.
Begrijp de componenten van een ML Pipeline en de gereedschappen die nodig zijn om een te bouwen.
Experimenteren met verschillende machine learning frameworks en servers voor het implementeren naar productie.
Operationaliseren van het hele Machine Learning proces zodat het reproduceerbaar en onderhoudbaar is.
-
Interactieve lezingen en discussie.
Veel oefeningen en oefeningen.
Hand-on implementatie in een live-lab-omgeving.
-
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
-
Installeer en installeer Kubeflow op premise en in de cloud met behulp van AWS EKS (Elastic Kubernetes Service).
Bouw, implementeren en beheren van ML werkstromen op basis van Docker containers en Kubernetes.
Voer hele machine learning pipelines uit op verschillende architectuur en cloud omgevingen.
Gebruik Kubeflow om Jupyter-notebooks te spuiten en te beheren.
Build ML training, hyperparameter tuning, en serving workloads over meerdere platforms.
-
Interactieve lezingen en discussie.
Veel oefeningen en oefeningen.
Hand-on implementatie in een live-lab-omgeving.
-
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
- Aan het einde van deze training kunnen deelnemers: Kubernetes en Kubeflow installeren en configureren op een OpenShift-cluster. Gebruik OpenShift om het initialiseren van een Kubernetes-cluster te vereenvoudigen. Maak en implementeer een Kubernetes-pijplijn voor het automatiseren en beheren van ML-modellen in productie. Train en implementeer TensorFlow ML-modellen over meerdere GPU's en machines die parallel draaien. Roep openbare clouddiensten (bijvoorbeeld AWS-diensten) aan vanuit OpenShift om een ML-applicatie uit te breiden.
- Interactieve lezing en discussie. Veel oefeningen en oefeningen. Praktische implementatie in een live-labomgeving.
- Als u een training op maat voor deze cursus wilt aanvragen, kunt u contact met ons opnemen om een afspraak te maken.
-
Installeer en installeer Kubeflow op premise en in de wolk.
Bouw, implementeren en beheren van ML werkstromen op basis van Docker containers en Kubernetes.
Voer hele machine learning pipelines uit op verschillende architectuur en cloud omgevingen.
Gebruik Kubeflow om Jupyter-notebooks te spuiten en te beheren.
Build ML training, hyperparameter tuning, en serving workloads over meerdere platforms.
-
Interactieve lezingen en discussie.
Veel oefeningen en oefeningen.
Hand-on implementatie in een live-lab-omgeving.
-
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
Om meer te weten te komen over Kubeflow, bezoek dan: https://github.com/kubeflow/kubeflow
-
Installeren en configureren MLflow en gerelateerde ML-bibliotheken en kaders.
Beoordelen van het belang van traceerbaarheid, reproduceerbaarheid en implementerbaarheid van een ML-model
Deploy ML modellen naar verschillende publieke wolken, platforms of on-premise servers.
Scaleer het ML-implementatieproces om meerdere gebruikers te voorzien die samenwerken op een project.
Stel een centraal register op om te experimenteren, te reproduceren en ML-modellen te implementeren.
-
Interactieve lezingen en discussie.
Veel oefeningen en oefeningen.
Hand-on implementatie in een live-lab-omgeving.
-
Om een aangepaste training voor deze cursus te vragen, neem dan contact met ons op om te organiseren.
Last Updated: