Os cursos de treinamento de MLOps ao vivo conduzidos por instrutor, on-line ou no local, demonstram, por meio da prática interativa, como usar as ferramentas de MLOps para automatizar e otimizar a implantação e a manutenção de sistemas de ML na produção. O treinamento MLOps está disponível como "treinamento ao vivo online" ou "treinamento ao vivo no local". O treinamento on-line ao vivo (também conhecido como "treinamento remoto ao vivo") é realizado por meio de uma área de trabalho remota e interativa. O treinamento ao vivo no local pode ser realizado localmente nas instalações do cliente em Portugal ou nos centros de treinamento corporativo da NobleProg em Portugal. NobleProg -- Seu provedor de treinamento local
Machine Translated
Programa de curso MLOps
Nome do Curso
Duração
Visão geral
Nome do Curso
Duração
Visão geral
35 horas
MLOps é um conjunto de ferramentas e metodologias para combinar Machine Learning e DevOps práticas. O objetivo de MLOps é automatizar e otimizar a implantação e manutenção de sistemas ML na produção.
Este treinamento guiado por instrutores, ao vivo (online ou on-site) é dirigido a engenheiros que desejam avaliar as abordagens e ferramentas disponíveis hoje para tomar uma decisão inteligente no caminho para a adoção MLOps dentro de sua organização.
No final do curso, os participantes poderão:
-
Instale e configure vários MLOps quadros e ferramentas.
Assemble o tipo certo de equipe com as habilidades certas para construir e apoiar um sistema MLOps.
Prepare, valida e versão de dados para uso por modelos ML.
Compreenda os componentes de um tubo ML e as ferramentas necessárias para construir um.
Experimentação com diferentes quadros de aprendizagem de máquina e servidores para implantação na produção.
Operar todo o processo Machine Learning para que seja reproduzível e sustentável.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
28 horas
Kubeflow É um quadro para executar Machine Learning cargas de trabalho em Kubernetes. TensorFlow é uma biblioteca de aprendizagem de máquina e Kubernetes é uma plataforma de orquestração para gerenciar aplicações containerizadas.
Este treinamento ao vivo guiado por instrutores (online ou on-site) destina-se a engenheiros que desejam implantar Machine Learning cargas de trabalho em um servidor AWS EC2.
No final do curso, os participantes poderão:
-
Instalar e configurar Kubernetes, Kubeflow e outros softwares necessários no AWS.
Use o EKS (Serviço Elástico Kubernetes) para simplificar o trabalho de iniciar um cluster Kubernetes na AWS.
Criar e implantar um Kubernetes pipeline para automatizar e gerenciar modelos ML na produção.
Treinando e implantando TensorFlow modelos ML em múltiplos GPUs e máquinas que funcionam em paralelo.
Livrar outros serviços gerenciados pela AWS para estender uma aplicação ML.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
28 horas
Kubeflow é um quadro para executar Machine Learning cargas de trabalho em Kubernetes. TensorFlow é uma das bibliotecas de aprendizagem de máquina mais populares. Kubernetes é uma plataforma de orquestração para gerenciar aplicações containerizadas.
Este treinamento guiado por instrutores, ao vivo (online ou on-site) é dirigido a engenheiros que desejam implantar Machine Learning cargas de trabalho para Azure nuvem.
No final do curso, os participantes poderão:
-
Instalar e configurar Kubernetes, Kubeflow e outros softwares necessários em Azure.
Use Azure Kubernetes Serviço (AKS) para simplificar o trabalho de iniciar um Kubernetes cluster em Azure.
Criar e implantar um Kubernetes pipeline para automatizar e gerenciar modelos ML na produção.
Treinando e implantando TensorFlow modelos ML em múltiplos GPUs e máquinas que funcionam em paralelo.
Livrar outros serviços gerenciados pela AWS para estender uma aplicação ML.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
28 horas
Kubeflow é um quadro para executar Machine Learning cargas de trabalho em Kubernetes. TensorFlow é uma das bibliotecas de aprendizagem de máquina mais populares. Kubernetes é uma plataforma de orquestração para gerenciar aplicações containerizadas.
Este treinamento guiado por instrutores, ao vivo (online ou on-site) é dirigido a engenheiros que desejam implantar Machine Learning cargas de trabalho para Google Cloud Platform (GCP).
No final do curso, os participantes poderão:
-
Instalar e configurar Kubernetes, Kubeflow e outros softwares necessários no GCP e GKE.
Use o GKE (Kubernetes Kubernetes Motor) para simplificar o trabalho de iniciar um Kubernetes cluster no GCP.
Criar e implantar um Kubernetes pipeline para automatizar e gerenciar modelos ML na produção.
Treinando e implementando TensorFlow modelos ML em múltiplos GPUs e máquinas que funcionam em paralelo.
Livrar outros serviços GCP para estender uma aplicação ML.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
28 horas
Kubeflow É um quadro para executar Machine Learning cargas de trabalho em Kubernetes. TensorFlow é uma das bibliotecas de aprendizagem de máquina mais populares. Kubernetes é uma plataforma de orquestração para gerenciar aplicações containerizadas.
Este treinamento ao vivo guiado por instrutores (online ou on-site) destina-se a engenheiros que desejam implantar Machine Learning cargas de trabalho para o IBM Cloud Kubernetes Service (IKS).
No final do curso, os participantes poderão:
-
Instalar e configurar Kubernetes, Kubeflow e outros softwares necessários no IBM Cloud Kubernetes Service (IKS).
Use o IKS para simplificar o trabalho de iniciar um Kubernetes cluster na IBM Cloud.
Criar e implantar um Kubernetes pipeline para automatizar e gerenciar modelos ML na produção.
Treinando e implantando TensorFlow modelos ML em múltiplos GPUs e máquinas que funcionam em paralelo.
Leve outros serviços da IBM Cloud para expandir um aplicativo ML.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
35 horas
Kubeflow é um conjunto de ferramentas para fazer Machine Learning (ML) em Kubernetes fácil, portátil e escalável. AWS EKS (Elastic Kubernetes Service) é um serviço administrado pela Amazon para executar o Kubernetes no AWS.
Este treinamento guiado por instrutores, ao vivo (online ou on-site) é dirigido a desenvolvedores e cientistas de dados que desejam construir, implementar e gerenciar fluxos de trabalho de aprendizagem de máquina Kubernetes.
No final do curso, os participantes poderão:
-
Instale e configure Kubeflow na premisa e na nuvem usando o AWS EKS (Serviço Elástico Kubernetes).
Construir, implantar e gerenciar fluxos de trabalho ML com base em Docker contêineres e Kubernetes.
Execute todos os tubos de aprendizagem de máquina em várias arquiteturas e ambientes em nuvem.
Usando Kubeflow para esfregar e gerenciar notebooks Jupyter.
Construa treinamento ML, tuning de hiperparâmetros e servindo cargas de trabalho em várias plataformas.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
28 horas
Kubeflow É um quadro para executar Machine Learning cargas de trabalho em Kubernetes. TensorFlow é uma das bibliotecas de aprendizagem de máquina mais populares. Kubernetes é uma plataforma de orquestração para gerenciar aplicações containerizadas. OpenShift é uma plataforma de desenvolvimento de aplicativos em nuvem que utiliza Docker contêineres, orquestrada e gerenciada por Kubernetes, com base em Red Hat Enterprise Linux.
Este treinamento ao vivo guiado por instrutores (online ou on-site) destina-se a engenheiros que desejam implantar Machine Learning cargas de trabalho em uma OpenShift on-premise ou nuvem híbrida.
-
No final do curso, os participantes poderão:
A partir de então, a Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow Kubeflow
Use OpenShift para simplificar o trabalho de iniciar um Kubernetes cluster.
Criar e implantar um Kubernetes pipeline para automatizar e gerenciar modelos ML na produção.
Treinando e implantando TensorFlow modelos ML em múltiplos GPUs e máquinas que funcionam em paralelo.
Chame serviços de nuvem pública (por exemplo, serviços da AWS) de dentro OpenShift para estender uma aplicação ML.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
28 horas
Kubeflow é um conjunto de ferramentas para fazer Machine Learning (ML) em Kubernetes fácil, portátil e escalável.
Este treinamento guiado por instrutores, ao vivo (online ou on-site) é dirigido a desenvolvedores e cientistas de dados que desejam construir, implementar e gerenciar fluxos de trabalho de aprendizagem de máquina Kubernetes.
No final do curso, os participantes poderão:
-
Instale e configure Kubeflow na premisa e na nuvem.
Construir, implantar e gerenciar fluxos de trabalho ML com base em Docker contêineres e Kubernetes.
Execute todos os tubos de aprendizagem de máquina em várias arquiteturas e ambientes em nuvem.
Usando Kubeflow para esfregar e gerenciar notebooks Jupyter.
Construa treinamento ML, tuning de hiperparâmetros e servindo cargas de trabalho em várias plataformas.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
Para saber mais sobre Kubeflow, por favor visite: https://github.com/kubeflow/kubeflow
21 horas
MLflow é uma plataforma de código aberto para simplificar e gerenciar o ciclo de vida do aprendizado de máquina. Ele suporta qualquer ML (aprendizagem de máquina) biblioteca, algoritmo, ferramenta de implementação ou língua. Simplesmente adicione MLflow ao seu código ML existente para compartilhar o código em qualquer biblioteca ML que seja usada dentro da sua organização.
Este treinamento ao vivo liderado por instrutores (online ou on-site) é dirigido a cientistas de dados que desejam ir além da construção de modelos ML e otimizar o processo de criação, rastreamento e implementação de modelos ML.
No final do curso, os participantes poderão:
-
Instalar e configurar MLflow e bibliotecas e quadros ML relacionados.
Avalie a importância da rastreabilidade, reprodutividade e implementação de um modelo ML
Desenvolva modelos ML para diferentes nuvens públicas, plataformas ou servidores on-premise.
Escale o processo de implementação da ML para acomodar vários usuários colaborando em um projeto.
Crie um registo central para experimentar, reproduzir e implantar modelos ML.
-
Interação e discussão interativa.
Muitos exercícios e práticas.
Implementação de mão em um ambiente de laboratório ao vivo.
-
Para solicitar uma formação personalizada para este curso, por favor contacte-nos para organizar.
Last Updated:
Outras Regiōes
Consultoria
Cursos de fim de semana de MLOps, Treinamento tardiurno de MLOps, Treinamento em grupo de MLOps, MLOps guiado por instrutor, Treinamento de MLOps de fim de semana, Cursos de MLOps tardiurnos, coaching de MLOps, Instrutor de MLOps, Treinador de MLOps, Cursos de treinamento de MLOps, Aulas de MLOps, MLOps no local do cliente, Cursos privados de MLOps, Treinamento individual de MLOps
