Cursos de MLOps

MLOps es un conjunto de herramientas y metodologías para combinar las prácticas Machine Learning y DevOps. El objetivo de MLOps es automatizar y optimizar el despliegue y el mantenimiento de los sistemas ML en la producción. Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a ingenieros que desean evaluar los enfoques y herramientas disponibles hoy para tomar una decisión inteligente en el camino hacia adelante en la adopción MLOps dentro de su organización. Al final de este curso, los participantes podrán:

Instalar y configurar diferentes MLOps cuadros y herramientas. Reunir el tipo adecuado de equipo con las habilidades adecuadas para construir y apoyar un sistema MLOps. Preparación, validación y versión de los datos para el uso por los modelos ML. Comprender los componentes de un tubo ML y las herramientas necesarias para construir uno. Experimenta con diferentes sistemas de aprendizaje de máquina y servidores para el despliegue a la producción. Operar todo el proceso Machine Learning para que sea reproducible y sostenible.

Formato del curso

Lecciones y discusiones interactivas. Muchos ejercicios y prácticas. Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.

Kubeflow Es un marco para la realización de Machine Learning cargas de trabajo en Kubernetes. TensorFlow es una biblioteca de aprendizaje de máquina y Kubernetes es una plataforma de orquestación para la gestión de aplicaciones containerizadas. Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a ingenieros que desean implementar Machine Learning cargas de trabajo en un servidor AWS EC2. Al final de este curso, los participantes podrán:

Instalar y configurar Kubernetes, Kubeflow y otro software necesario en AWS. Utilice EKS (Servicio Elástico Kubernetes) para simplificar el trabajo de iniciación de un cluster Kubernetes en AWS. Crea y implementa un Kubernetes pipeline para la automatización y la gestión de los modelos ML en la producción. Treinar y implementar TensorFlow modelos ML a través de múltiples GPUs y máquinas que funcionan en paralelo. Leverage otros servicios gestionados por AWS para extender una aplicación ML.

Formato del curso

Lecciones y discusiones interactivas. Muchos ejercicios y prácticas. Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.

Kubeflow Es un marco para la realización de Machine Learning cargas de trabajo en Kubernetes. TensorFlow es una de las bibliotecas de aprendizaje de máquina más populares. Kubernetes es una plataforma de orquestación para la gestión de aplicaciones containerizadas. Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a ingenieros que desean implementar Machine Learning cargas de trabajo en Azure nube. Al final de este curso, los participantes podrán:

Instalar y configurar Kubernetes, Kubeflow y otro software necesario en Azure. Utilice Azure Kubernetes Servicio (AKS) para simplificar el trabajo de iniciar un Kubernetes cluster en Azure. Crea y implementa un Kubernetes pipeline para la automatización y la gestión de los modelos ML en la producción. Treinar y implementar TensorFlow modelos ML a través de múltiples GPUs y máquinas que funcionan en paralelo. Leverage otros servicios gestionados por AWS para extender una aplicación ML.

Formato del curso

Lecciones y discusiones interactivas. Muchos ejercicios y prácticas. Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.

Kubeflow Es un marco para la realización de Machine Learning cargas de trabajo en Kubernetes. TensorFlow es una de las bibliotecas de aprendizaje de máquina más populares. Kubernetes es una plataforma de orquestación para la gestión de aplicaciones containerizadas. Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a ingenieros que desean implementar Machine Learning cargas de trabajo en Google Cloud Platform (GCP). Al final de este curso, los participantes podrán:

Instalar y configurar Kubernetes, Kubeflow y otro software necesario en GCP y GKE. Utilice GKE (Kubernetes Kubernetes Motor) para simplificar el trabajo de iniciar un Kubernetes cluster en GCP. Crea y implementa un Kubernetes pipeline para la automatización y la gestión de los modelos ML en la producción. Treinar y implementar TensorFlow modelos ML a través de múltiples GPUs y máquinas que funcionan en paralelo. Ofrecer otros servicios de GCP para extender una aplicación ML.

Formato del curso

Lecciones y discusiones interactivas. Muchos ejercicios y prácticas. Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.

Kubeflow Es un marco para la realización de Machine Learning cargas de trabajo en Kubernetes. TensorFlow es una de las bibliotecas de aprendizaje de máquina más populares. Kubernetes es una plataforma de orquestación para la gestión de aplicaciones containerizadas. Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a ingenieros que desean implementar Machine Learning cargas de trabajo en el IBM Cloud Kubernetes Service (IKS). Al final de este curso, los participantes podrán:

Instalar y configurar Kubernetes, Kubeflow y otro software necesario en IBM Cloud Kubernetes Service (IKS). Utilice IKS para simplificar el trabajo de iniciar un cluster Kubernetes en IBM Cloud. Crea y implementa un Kubernetes pipeline para la automatización y la gestión de los modelos ML en la producción. Treinar y implementar TensorFlow modelos ML a través de múltiples GPUs y máquinas que funcionan en paralelo. Leverage otros servicios de IBM Cloud para extender una aplicación ML.

Formato del curso

Lecciones y discusiones interactivas. Muchos ejercicios y prácticas. Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.

Kubeflow es un conjunto de herramientas para hacer Machine Learning (ML) en Kubernetes fácil, portátil y escalable. AWS EKS (Elástico Kubernetes Servicio) es un servicio administrado por Amazon para la ejecución del Kubernetes en AWS. Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a desarrolladores y científicos de datos que desean construir, implementar y gestionar flujos de trabajo de aprendizaje de máquina en Kubernetes. Al final de este curso, los participantes podrán:

Instalar y configurar Kubeflow en la premisa y en la nube utilizando AWS EKS (Servicio Elástico Kubernetes). Construcción, implementación y gestión de flujos de trabajo ML basados en Docker contenedores y Kubernetes. Ejecuta todos los tubos de aprendizaje de máquina en diversas arquitecturas y en ambientes en la nube. Usar Kubeflow para espallar y gestionar las notas de Jupyter. Construye la formación de ML, el tuning de hiperparámetros y el servicio de cargas de trabajo en múltiples plataformas.

Formato del curso

Lecciones y discusiones interactivas. Muchos ejercicios y prácticas. Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.

Kubeflow Es un marco para el funcionamiento de las cargas de trabajo Machine Learning en Kubernetes. TensorFlow es una de las bibliotecas de aprendizaje de máquina más populares. Kubernetes es una plataforma de orquestación para la gestión de aplicaciones containerizadas. OpenShift es una plataforma de desarrollo de aplicaciones en la nube que utiliza Docker contenedores, organizados y gestionados por Kubernetes, sobre una base de Red Hat Enterprise Linux. Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a ingenieros que desean implementar Machine Learning cargas de trabajo en una OpenShift nube on-premise o híbrido.

Al final de este curso, los participantes podrán: En la parte inferior de la parte inferior de la parte inferior de la parte inferior de la parte inferior de la parte inferior de la parte inferior de la parte inferior de la parte inferior de la parte inferior. Utilice OpenShift para simplificar el trabajo de la iniciación de un Kubernetes cluster. Crea y implementa un Kubernetes pipeline para la automatización y la gestión de los modelos ML en la producción. Treinar y implementar TensorFlow modelos ML a través de múltiples GPUs y máquinas que funcionan en paralelo. Póngase en contacto con los servicios de nube público (por ejemplo, los servicios de AWS) desde el interior OpenShift para ampliar una aplicación ML.

Formato del curso

Lecciones y discusiones interactivas. Muchos ejercicios y prácticas. Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.

Kubeflow es un conjunto de herramientas para hacer Machine Learning (ML) en Kubernetes fácil, portátil y escalable. Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a desarrolladores y científicos de datos que desean construir, implementar y gestionar flujos de trabajo de aprendizaje de máquina en Kubernetes. Al final de este curso, los participantes podrán:

Instalar y configurar Kubeflow en la premisa y en la nube. Construcción, implementación y gestión de flujos de trabajo ML basados en Docker contenedores y Kubernetes. Ejecuta todos los tubos de aprendizaje de máquina en diversas arquitecturas y en ambientes en la nube. Usar Kubeflow para espallar y gestionar las notas de Jupyter. Construye la formación de ML, el tuning de hiperparámetros y el servicio de cargas de trabajo en múltiples plataformas.

Formato del curso

Lecciones y discusiones interactivas. Muchos ejercicios y prácticas. Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar. Para saber más sobre Kubeflow, por favor visite: https://github.com/kubeflow/kubeflow

MLflow es una plataforma de código abierto para simplificar y gestionar el ciclo de vida del aprendizaje de máquina. Apoya cualquier biblioteca ML (aprendizaje de máquina), algoritmo, herramienta de implementación o lenguaje. Simplemente añade MLflow a su código ML existente para compartir el código a través de cualquier biblioteca ML que se utilice dentro de su organización. Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a científicos de datos que desean ir más allá de la construcción de modelos ML y optimizar el proceso de creación, seguimiento y implementación de modelos ML. Al final de este curso, los participantes podrán:

Instalar y configurar MLflow y bibliotecas y cuadros ML relacionados. Valorar la importancia de la rastreabilidad, reproductibilidad y implementación de un modelo ML Despliegue los modelos ML a diferentes nubes públicos, plataformas o servidores en prisión. Escale el proceso de implementación de ML para alojar a múltiples usuarios que colaboran en un proyecto. Establecer un registro central para experimentar, reproducir y implementar los modelos ML.

Formato del curso

Lecciones y discusiones interactivas. Muchos ejercicios y prácticas. Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.