TX, Austin - Littlefield Congress

106 E 6th St Suite 900, Austin, united states, 78701

Subcategorías (2)

Image for MLflow category
MLflow
Image for Kubeflow category
Kubeflow

Descubra nuestros cursos

Kubeflow on AWS

28 horas
Esta capacitación en vivo dirigida por un instructor en Austin (en línea o in situ) está dirigida a ingenieros que desean implementar Machine Learning cargas de trabajo en un servidor de AWS EC2. Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure Kubernetes, Kubeflow y otro software necesario en AWS.
  • Utilice EKS (Elastic Kubernetes Service) para simplificar el trabajo de inicialización de un clúster de Kubernetes en AWS.
  • Cree e implemente una canalización de Kubernetes para automatizar y administrar modelos de ML en producción.
  • Entrene e implemente TensorFlow modelos de ML en varias GPU y máquinas que se ejecutan en paralelo.
  • Aproveche otros servicios administrados de AWS para ampliar una aplicación de ML.
Leer más...

Kubeflow on Azure

28 horas
Esta formación en vivo dirigida por un instructor en Austin (en línea o in situ) está dirigida a ingenieros que desean implementar Machine Learning cargas de trabajo en la nube de Azure. Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure Kubernetes, Kubeflow y otro software necesario en Azure.
    • Use Azure Kubernetes
  • Service (AKS) para simplificar el trabajo de inicialización de un clúster de Kubernetes en Azure.
  • Cree e implemente una canalización de Kubernetes para automatizar y administrar modelos de ML en producción.
  • Entrene e implemente TensorFlow modelos de ML en varias GPU y máquinas que se ejecutan en paralelo.
  • Aproveche otros servicios administrados de AWS para ampliar una aplicación de ML.
Leer más...

Kubeflow on GCP

28 horas
Esta capacitación en vivo dirigida por un instructor en Austin (en línea o presencial) está dirigida a ingenieros que desean implementar Machine Learning cargas de trabajo en Google Cloud Platform (GCP). Al final de esta capacitación, los participantes serán capaces de:
  • Instala y configura Kubernetes, Kubeflow y otro software necesario en GCP y GKE.
    • Usa GKE (Kubernetes Kubernetes
  • Engine) para simplificar el trabajo de inicializar un clúster de Kubernetes en GCP.
  • Cree e implemente una canalización de Kubernetes para automatizar y administrar modelos de ML en producción.
  • Entrene e implemente TensorFlow modelos de ML en varias GPU y máquinas que se ejecutan en paralelo.
  • Aprovecha otros servicios de GCP para ampliar una aplicación de AA.
Leer más...

Kubeflow on IBM Cloud

28 horas
Esta capacitación en vivo dirigida por un instructor en Austin (en línea o en el sitio) está dirigida a ingenieros que desean implementar Machine Learning cargas de trabajo en IBM Cloud Kubernetes Service (IKS). Al final de esta capacitación, los participantes serán capaces de:
    Instale y configure Kubernetes
  • , Kubeflow y otro software necesario en IBM Cloud Kubernetes Service (IKS).
  • Utilice IKS para simplificar el trabajo de inicialización de un clúster de Kubernetes en IBM Cloud.
  • Cree e implemente una canalización de Kubernetes para automatizar y administrar modelos de ML en producción.
  • Entrene e implemente TensorFlow modelos de ML en varias GPU y máquinas que se ejecutan en paralelo.
  • Aproveche otros servicios de IBM Cloud para ampliar una aplicación de ML.
Leer más...

MLOps: CI/CD for Machine Learning

35 horas
Esta capacitación en vivo dirigida por un instructor en Austin (en línea o en el sitio) está dirigida a ingenieros que desean evaluar los enfoques y herramientas disponibles en la actualidad para tomar una decisión inteligente sobre el camino a seguir en la adopción MLOps dentro de su organización. Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure varios MLOps marcos y herramientas.
  • Reúna el tipo correcto de equipo con las habilidades adecuadas para construir y respaldar un sistema MLOps.
  • Prepare, valide y versione los datos para su uso por parte de los modelos de ML.
  • Comprenda los componentes de una canalización de ML y las herramientas necesarias para crear una.
  • Experimente con diferentes marcos y servidores de aprendizaje automático para implementarlos en producción.
  • Ponga en funcionamiento todo el proceso de aprendizaje automático para que sea reproducible y mantenible.
Leer más...

Kubeflow

35 horas
Esta capacitación en vivo dirigida por un instructor en Austin (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos que deseen crear, implementar y administrar flujos de trabajo de aprendizaje automático en Kubernetes. Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure Kubeflow en las instalaciones y en la nube mediante AWS EKS (Elastic Kubernetes Service).
  • Cree, implemente y administre flujos de trabajo de ML basados en contenedores de Docker y Kubernetes.
  • Ejecute canalizaciones completas de aprendizaje automático en diversas arquitecturas y entornos de nube.
  • Uso de Kubeflow para generar y administrar cuadernos de Jupyter Notebook.
  • Cree entrenamiento de ML, ajuste de hiperparámetros y entrega de cargas de trabajo en varias plataformas.
Leer más...

Kubeflow on OpenShift

28 horas
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros que desean implementar cargas de trabajo de aprendizaje automático en una OpenShift nube local o híbrida.
  • Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure Kubernetes y Kubeflow en un clúster de OpenShift.
  • Utilice OpenShift para simplificar el trabajo de inicialización de un clúster de Kubernetes.
  • Cree e implemente una canalización de Kubernetes para automatizar y administrar modelos de ML en producción.
  • Entrene e implemente TensorFlow modelos de ML en varias GPU y máquinas que se ejecutan en paralelo.
  • Llame a servicios de nube pública (por ejemplo, servicios de AWS) desde OpenShift para ampliar una aplicación de ML
Leer más...

Kubeflow Fundamentals

28 horas
Esta capacitación en vivo dirigida por un instructor en Austin (en línea o en el sitio) está dirigida a desarrolladores y científicos de datos que deseen crear, implementar y administrar flujos de trabajo de aprendizaje automático en Kubernetes. Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure Kubeflow en las instalaciones y en la nube.
  • Cree, implemente y administre flujos de trabajo de ML basados en contenedores de Docker y Kubernetes.
  • Ejecute canalizaciones completas de aprendizaje automático en diversas arquitecturas y entornos de nube.
  • Uso de Kubeflow para generar y administrar cuadernos de Jupyter Notebook.
  • Cree entrenamiento de ML, ajuste de hiperparámetros y entrega de cargas de trabajo en varias plataformas.
Leer más...

MLflow

21 horas
Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a científicos de datos que desean ir más allá de la creación de modelos de ML y optimizar el proceso de creación, seguimiento e implementación de modelos de ML. Al final de esta capacitación, los participantes serán capaces de:
  • Instale y configure MLflow y las bibliotecas y marcos de ML relacionados.
    • Apreciar la importancia de la capacidad de
  • seguimiento, la reproducibilidad y la capacidad de implementación de un modelo de ML
  • Implemente modelos de ML en diferentes nubes públicas, plataformas o servidores locales.
  • Escale el proceso de implementación de ML para dar cabida a varios usuarios que colaboran en un proyecto.
  • Configure un registro central para experimentar, reproducir e implementar modelos de ML.
Leer más...

Last Updated:

Testimonios (2)

I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.

Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life™
Curso - Kubeflow

the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose

Guillaume GAUTIER - OLEA MEDICAL
Curso - MLflow

Próximos cursos

Otras regiones de los Estados Unidos

Otros países

Estos cursos también están disponibles en otros países

Consultoría

MLOps Consultoría
Cursos de Fin de Semana de MLOps en Austin, Capacitación por la Tarde de MLOps en Austin, MLOps con instructor en Austin, Capacitación de Fin de Semana de MLOps en Austin, MLOps boot camp en Austin, MLOps en sitio en Austin, Instructor de MLOps en Austin, Cursos Privados de MLOps en Austin, Clases Particulares de MLOps en Austin, Cursos de Formación de MLOps en Austin, Cursos por la Tarde de MLOps en Austin, Capacitador de MLOps en Austin, MLOps coaching en Austin, Clases de MLOps en Austin
1