MLOps: CI/CD for Machine Learning Schulung

Diese Live-Schulung unter Anleitung (online oder vor Ort) richtet sich an Datenwissenschaftler, die über die Erstellung von ML-Modellen hinausgehen und den Prozess der Erstellung, Verfolgung und Bereitstellung von ML-Modellen optimieren möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Installation und Konfiguration von MLflow und verwandten ML-Bibliotheken und -Frameworks.
• die Bedeutung der Nachvollziehbarkeit, Reproduzierbarkeit und Einsatzfähigkeit eines ML-Modells zu erkennen
• ML-Modelle auf verschiedenen öffentlichen Clouds, Plattformen oder On-Premise-Servern bereitzustellen.
• Skalierung des ML-Bereitstellungsprozesses, um die Zusammenarbeit mehrerer Benutzer an einem Projekt zu ermöglichen.
• Einrichtung eines zentralen Registers, um mit ML-Modellen zu experimentieren, sie zu reproduzieren und einzusetzen.

Diese von einem Trainer geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an Entwickler und Datenwissenschaftler, die Workflows für maschinelles Lernen auf Kubernetes erstellen, einsetzen und verwalten möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Installation und Konfiguration von Kubeflow vor Ort und in der Cloud mit AWS EKS (Elastic Kubernetes Service).
• ML-Workflows auf der Grundlage von Docker-Containern und Kubernetes zu erstellen, bereitzustellen und zu verwalten.
• Ausführen ganzer Pipelines für maschinelles Lernen auf verschiedenen Architekturen und Cloud-Umgebungen.
• Verwendung von Kubeflow zum Erzeugen und Verwalten von Jupyter-Notebooks.
• ML-Training, Hyperparameter-Tuning und Serving-Workloads über mehrere Plattformen hinweg erstellen.

Diese von einem Trainer geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an Entwickler und Datenwissenschaftler, die Workflows für maschinelles Lernen auf Kubernetes erstellen, einsetzen und verwalten möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Installation und Konfiguration von Kubeflow vor Ort und in der Cloud.
• ML-Workflows auf der Grundlage von Docker-Containern und Kubernetes zu erstellen, bereitzustellen und zu verwalten.
• Ganze Pipelines für maschinelles Lernen auf verschiedenen Architekturen und Cloud-Umgebungen auszuführen.
• Verwendung von Kubeflow zum Erstellen und Verwalten von Jupyter-Notebooks.
• ML-Training, Hyperparameter-Tuning und Serving-Workloads über mehrere Plattformen hinweg erstellen.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Ingenieure, die Machine Learning Arbeitslasten auf einem AWS EC2-Server bereitstellen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installieren und konfigurieren Sie Kubernetes, Kubeflow und andere benötigte Software auf AWS.
• Verwenden Sie EKS (Elastic Kubernetes Service), um die Initialisierung eines Kubernetes-Clusters auf AWS zu vereinfachen.
• Erstellen und Bereitstellen einer Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion.
• Trainieren und Bereitstellen von TensorFlow ML-Modellen auf mehreren parallel laufenden GPUs und Rechnern.
• Nutzen Sie andere verwaltete AWS-Services, um eine ML-Anwendung zu erweitern.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Techniker, die Machine Learning Workloads in der Azure-Cloud bereitstellen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installieren und konfigurieren Sie Kubernetes, Kubeflow und andere benötigte Software auf Azure.
• Verwenden Sie Azure Kubernetes Service (AKS), um die Initialisierung eines Kubernetes-Clusters auf Azure zu vereinfachen.
• Erstellen und Bereitstellen einer Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion.
• Trainieren und Bereitstellen von TensorFlow ML-Modellen auf mehreren parallel laufenden GPUs und Computern.
• Nutzen Sie andere verwaltete AWS-Services, um eine ML-Anwendung zu erweitern.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Ingenieure, die Machine Learning Workloads auf der Google Cloud Platform (GCP) bereitstellen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installieren und konfigurieren Sie 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 Bereitstellen einer Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion.
• Trainieren und implementieren Sie TensorFlow ML-Modelle auf mehreren parallel laufenden GPUs und Maschinen.
• Nutzen Sie andere GCP-Dienste, um eine ML-Anwendung zu erweitern.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Techniker, die Machine Learning Workloads auf IBM Cloud Kubernetes Service (IKS) bereitstellen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installieren und konfigurieren Sie Kubernetes, Kubeflow und andere benötigte Software auf IBM Cloud Kubernetes Service (IKS).
• Nutzen Sie IKS, um die Arbeit der Initialisierung eines Kubernetes-Clusters auf IBM Cloud zu vereinfachen.
• Erstellen und Bereitstellen einer Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion.
• Trainieren und implementieren Sie TensorFlow ML-Modelle auf mehreren GPUs und Maschinen, die parallel laufen.
• Nutzen Sie andere IBM Cloud Services, um eine ML-Anwendung zu erweitern.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Techniker, die Machine Learning Workloads in einer OpenShift On-Premise- oder Hybrid-Cloud bereitstellen möchten.

• Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:
• Installation und Konfiguration von Kubernetes und Kubeflow auf einem OpenShift-Cluster.
• OpenShift zu verwenden, um die Initialisierung eines Kubernetes-Clusters zu vereinfachen.
• eine Kubernetes-Pipeline zur Automatisierung und Verwaltung von ML-Modellen in der Produktion zu erstellen und einzusetzen.
• Trainieren und Bereitstellen von TensorFlow ML-Modellen auf mehreren GPUs und parallel laufenden Maschinen.
• Aufrufen öffentlicher Cloud-Dienste (z. B. AWS-Dienste) aus OpenShift heraus, um eine ML-Anwendung zu erweitern.

Diese von einem Trainer geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an Entwickler und IT-Fachleute aller Qualifikationsstufen, die Aufgaben und Prozesse mithilfe von KI automatisieren möchten, ohne umfangreichen Code zu schreiben.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Komplexe Workflows mit der visuellen Programmierschnittstelle von n8n zu entwerfen und zu implementieren.
• KI-Funktionen mithilfe von LangChain in Workflows zu integrieren.
• Individuelle Chatbots und virtuelle Assistenten für verschiedene Anwendungsfälle zu erstellen.
• Erweiterte Datenanalyse und -verarbeitung mit KI-Agenten durchführen.

Diese von einem Trainer geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene Entwickler und KI-Hobbyisten, die fortgeschrittene KI-Workflows in n8n erstellen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Integration von KI-Diensten in n8n-Workflows zu verstehen.
• KI-gesteuerte Entscheidungsfindung in automatisierte Prozesse zu implementieren.
• Benutzerdefinierte KI-Knoten erstellen und vorgefertigte KI-Knoten in n8n verwenden.
• die Leistung von KI-Workflows zu analysieren und zu optimieren.

Diese Live-Schulung unter Anleitung eines Trainers in Deutschland (online oder vor Ort) richtet sich an Geschäftsleute und IT-Fans, die die Grundlagen von n8n zur Automatisierung von Aufgaben und Prozessen erlernen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Grundlagen von n8n und seiner Knoten-basierten Schnittstelle zu verstehen.
• n8n einzurichten und zu konfigurieren.
• Einfache Workflows erstellen, um Aufgaben zu automatisieren.
• Verschiedene Dienste und Anwendungen mit n8n zu verbinden.

Dieser Kurs richtet sich an Teilnehmer, die mit dem Design, der Implementierung und dem Management von DevOps Deployment-Pipelines und Toolchains beschäftigt sind, die Continuous Integration, Continuous Delivery, Continuous Testing und möglicherweise Continuous Deployment unterstützen. Der Kurs beleuchtet die zugrundeliegenden Prozesse, Metriken, APls und kulturellen Überlegungen bei Continuous Delivery.

Lernen Sie, wie Sie das Testen optimieren können, um schneller zu testen und trotzdem eine gute Qualität und ein stabiles Ergebnis zu erhalten.

Erfahren Sie, was DevOps-Technik ist, warum DevOps-Technik wichtig ist und wie DevOps-Technik zum Erfolg geführt wird.

Der Kurs beginnt mit einem kurzen Überblick über die Grundprinzipien von DevOps und geht dann in die Implementierung von DevOps über. Er ist aus technischer Sicht konzipiert und behandelt Themen wie DevOps in Bezug auf andere Frameworks, Technologien,
Praktiken des Anwendungsdesigns, kontinuierliche Integration, kontinuierliche Lieferung und Bereitstellung, kontinuierliches Testen, elastische Infrastrukturen, Überwachung, Metriken, Beobachtbarkeit, Governance, menschliche Aspekte und zukünftige Trends der DevOps-Technik.

Der DevOps-Foundation-Kurs vermittelt ein grundlegendes Verständnis der wichtigsten DevOps-Terminologie, um sicherzustellen, dass alle dieselbe Sprache sprechen, und hebt die Vorteile von DevOps zur Unterstützung des Unternehmenserfolgs hervor.