MLOpsのトレーニングコース

MLOpsは、 Machine Learning と DevOps の実践を組み合わせるためのツールと方法論のセットです。 (2)の目的は、生産中のMLシステムの導入と維持を自動化し、最適化することです。

このインストラクター指導、ライブトレーニング(オンラインまたはオンライン)は、現在利用可能なアプローチやツールを評価することを望むエンジニアに向けられており、彼らの組織内で採用する道を先行するための賢明な決定を下します。

このトレーニングの終了後、参加者は:

さまざまな MLOps フレームワークとツールをインストールおよび設定します。 適切なタイプのチームと適切なスキルを組み合わせてシステムを構築し、サポートします。 MLモデルによる使用のための準備、認証およびバージョンデータ。 MLパイプラインの構成要素とその構築に必要なツールを理解する。 さまざまな機械学習フレームワークとサーバーで実験し、生産に導入します。 プロセス全体を操作し、それが再生可能で維持可能になるようにします。

コースの形式

インタラクティブな講義と議論 たくさんの練習や実践。 ライブラボ環境でのハンドオン実装

コースカスタマイズオプション

このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。

〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 TensorFlowは機械学習図書館であり、コンテナ化されたアプリケーションを管理するためのオーケストラーションプラットフォームである。

このインストラクターによるライブトレーニング(オンラインまたはオンライン)は、AWS EC2 サーバーに Machine Learning ワークロードを配置したいエンジニアに向けられています。

このトレーニングの終了後、参加者は:

AWS にインストールして設定する Kubernetes、 Kubeflow およびその他の必要なソフトウェア。 EKS(エラスティック1サービス)を使用して、AWSでクラスター1を開始する作業を簡素化します。 製造中のMLモデルを自動化および管理するための Kubernetes パイプラインを作成および導入します。 MLモデルを複数のモデルとパラレルで動作する機械を通してトレーニング・インストールする。 他の AWS が管理するサービスを提供して ML アプリケーションを拡張します。

コースの形式

インタラクティブな講義と議論 たくさんの練習や実践。 ライブラボ環境でのハンドオン実装

コースカスタマイズオプション

このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。

〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 TensorFlow 最も人気のある機械学習図書館の一つです。 Kubernetesコンテナ化されたアプリケーションを管理するためのオーケストラーションプラットフォームです。

このインストラクターによって導かれたライブトレーニング(オンラインまたはオンライン)は、エンジニアが Machine Learning ワークロードを Azure クラウドに配置したいと望むことを目的としています。

このトレーニングの終了後、参加者は:

インストールおよび設定 Kubernetes、 Kubeflowおよびその他の必要なソフトウェアを Azure に。 使用する Azure Kubernetes サービス(AKS)は、初期化の作業を簡素化するために Kubernetes クラスターを Azure に。 製造中のMLモデルを自動化および管理するための Kubernetes パイプラインを作成および導入します。 MLモデルを複数のモデルとパラレルで動作する機械を通してトレーニング・インストールする。 他の AWS が管理するサービスを提供して ML アプリケーションを拡張します。

コースの形式

インタラクティブな講義と議論 たくさんの練習や実践。 ライブラボ環境でのハンドオン実装

コースカスタマイズオプション

このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。

〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 〔5〕 TensorFlow 最も人気のある機械学習図書館の一つです。 Kubernetesコンテナ化されたアプリケーションを管理するためのオーケストラーションプラットフォームです。

このインストラクターによるライブトレーニング(オンラインまたはオンライン)は、GCP(Gogle Cloud Platform)に Machine Learningワークロードを配置したいエンジニアに向けられています。

このトレーニングの終了後、参加者は:

GCP と GKE にインストールしてインストールする Kubernetes、 Kubeflow とその他の必要なソフトウェア。 GKE (Kubernetes Kubernetes エンジン) を使用して、GCP で 1 つのクラスターを開始する作業を簡素化します。 製造中のMLモデルを自動化および管理するための Kubernetes パイプラインを作成および導入します。 複数のモデル(ML)とパラレルで動作する機械をトレーニングして導入する。 他の GCP サービスを提供して ML アプリケーションを拡張します。

コースの形式

インタラクティブな講義と議論 たくさんの練習や実践。 ライブラボ環境でのハンドオン実装

コースカスタマイズオプション

このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。

〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 TensorFlow 最も人気のある機械学習図書館の一つです。 Kubernetesコンテナ化されたアプリケーションを管理するためのオーケストラーションプラットフォームです。

このインストラクター指導、ライブトレーニング(オンラインまたはオンライン)は、IBM Cloud Kubernetes サービス(IKS)に Machine Learning ワークロードを配置したいエンジニアに向けられています。

このトレーニングの終了後、参加者は:

インストールおよび設定 Kubernetes、 Kubeflow およびその他の必要なソフトウェアを IBM Cloud Kubernetes サービス (IKS) に。 IKS を使用して、IBM Cloud で 1 つのクラスターを開始する作業を簡素化します。 製造中のMLモデルを自動化および管理するための Kubernetes パイプラインを作成および導入します。 MLモデルを複数のモデルとパラレルで動作する機械を通してトレーニング・インストールする。 他の IBM Cloud サービスをリリースして ML アプリケーションを拡張します。

コースの形式

インタラクティブな講義と議論 たくさんの練習や実践。 ライブラボ環境でのハンドオン実装

コースカスタマイズオプション

このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。

〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 TensorFlow 最も人気のある機械学習図書館の一つです。 Kubernetesコンテナ化されたアプリケーションを管理するためのオーケストラーションプラットフォームです。 OpenShift クラウドアプリケーション開発プラットフォームは、Red Hat Enterprise Linux に基づいて、オーケストラおよび管理されたコンテナを使用しています。

このインストラクターによるライブトレーニング(オンラインまたはオンサイド)は、オンラインまたはハイブリッドクラウドに1つのワークロードを配置したいエンジニアに向けられています。

このトレーニングの終了後、参加者は: 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 〔7〕 使用する OpenShift は、クラスターを開始する作業を簡素化するために使用します。 製造中のMLモデルを自動化および管理するための Kubernetes パイプラインを作成および導入します。 複数のモデル(ML)とパラレルで動作する機械をトレーニングし、導入する。 公共のクラウドサービス(例えば、AWSサービス)を内部から呼び出し、MLアプリケーションを拡張します。

コースの形式

インタラクティブな講義と議論 たくさんの練習や実践。 ライブラボ環境でのハンドオン実装

コースカスタマイズオプション

このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。

このインストラクター主導の日本でのライブトレーニング（オンラインまたはオンサイト）は、Kubernetesで機械学習ワークフローを構築、デプロイ、管理したい開発者やデータサイエンティストを対象としています。

このトレーニングが終了するまでに、参加者は次のことができるようになります。

- AWS EKS（Elastic Kubernetes Service）を使用して、オンプレミスとクラウドにKubeflowをインストールして構成します。
- DockerコンテナとKubernetesに基づいてMLワークフローを構築、デプロイ、管理します。
- さまざまなアーキテクチャとクラウド環境で機械学習パイプライン全体を実行します。
- Kubeflowを使用してJupyterノートブックを生成および管理します。
- MLトレーニング、ハイパーパラメータ・チューニング、および複数のプラットフォームにわたるワークロードの提供を構築します。

〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕

このインストラクター指導、ライブトレーニング(オンラインまたはオンライン)は、機械学習ワークフローを構築、実装、管理したい開発者やデータ科学者に向けられています。

このトレーニングの終了後、参加者は:

インストール・インストール・インストール・インストール・インストール・インストール・インストール・インストール・インストール 1 コンテナと 2 コンテナに基づいて ML ワークフローを構築、実装、管理する。 さまざまなアーキテクチャやクラウド環境で全機械学習パイプを実行します。 スパウンを使用して、Jupyterノートブックを管理する。 MLトレーニング、ハイパーパラメータートゥニング、複数のプラットフォームでワークロードを提供する。

コースの形式

インタラクティブな講義と議論 たくさんの練習や実践。 ライブラボ環境でのハンドオン実装

コースカスタマイズオプション

このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。 詳しくはこちらをご覧ください。

MLflowは、機械学習のライフサイクルを簡素化および管理するためのオープンソースプラットフォームです。 ML(マシン学習)図書館、アルゴリズム、開発ツール、または言語をサポートしています。 既存の ML コードに MLflow を追加して、組織内で使用される ML ライブラリのコードを共有します。

このインストラクターによるライブトレーニング(オンラインまたはオンライン)は、MLモデルの構築を超え、MLモデルの作成、追跡、実装プロセスを最適化したいデータ科学者に向けられています。

このトレーニングの終了後、参加者は:

インストールおよび設定 MLflow と関連する ML ライブラリおよびフレームワーク。 MLモデルの追跡性、再生性、実装性の重要性を評価する MLモデルをさまざまな公共のクラウド、プラットフォーム、またはオンプレミスサーバーに配置します。 MLの実装プロセスをスケールして、複数のユーザーがプロジェクトで協力できるようにします。 MLモデルを実験、再生、実装するための中央記録を作成します。

コースの形式

インタラクティブな講義と議論 たくさんの練習や実践。 ライブラボ環境でのハンドオン実装

コースカスタマイズオプション

このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。