Szkolenie: Produkcyjne wdrażanie potoków przetwarzania AI/machine learning na Kubernetes
Szkolenie uczy wdrażania produkcyjnych potoków AI i machine learning na Kubernetes, obejmuje konteneryzację, orkiestrację zadań, zarządzanie danymi oraz automatyzację wdrożeń, przygotowując do pracy z nowoczesną infrastrukturą ML/AI
- Trenerzy praktycy
- Kameralne grupy
Czas trwania szkolenia:4 dni (32h)
Kod kursu:ML/KUBERNETES
Dostępne terminy szkolenia
Termin:
Trwają zapisy na szkolenie
Dostępne w Bazie Usług RozwojowychTrener:
Cena:
4150 PLN netto
Lokalizacja:
ZdalneTermin:
Trwają zapisy na szkolenieDostępne w Bazie Usług RozwojowychTrener:
Cena:
4150 PLN nettoLokalizacja:
ZdalneTermin:
Trwają zapisy na szkolenieDostępne w Bazie Usług RozwojowychTrener:
Cena:
4150 PLN nettoLokalizacja:
ZdalneTermin:
Trwają zapisy na szkolenieDostępne w Bazie Usług RozwojowychTrener:
Cena:
4150 PLN nettoLokalizacja:
ZdalneTermin:
Trwają zapisy na szkolenieDostępne w Bazie Usług RozwojowychTrener:
Cena:
4150 PLN nettoLokalizacja:
ZdalneTermin:
Trwają zapisy na szkolenieDostępne w Bazie Usług RozwojowychTrener:
Cena:
4150 PLN nettoLokalizacja:
ZdalneTermin:
Trwają zapisy na szkolenieDostępne w Bazie Usług RozwojowychTrener:
Cena:
4150 PLN nettoLokalizacja:
ZdalneTermin:
Trwają zapisy na szkolenieDostępne w Bazie Usług RozwojowychTrener:
Cena:
4150 PLN nettoLokalizacja:
ZdalneProdukcyjne wdrażanie potoków przetwarzania AI/machine learning na Kubernetes
Cele szkolenia
Szkolenie przygotowuje do samodzielnego wdrażania skalowalnych potoków przetwarzania AI/ML na platformie Kubernetes, począwszy od refaktoryzacji kodu po automatyzację wdrożeń
Szkolenie uczy konteneryzacji aplikacji machine learning z wykorzystaniem Docker oraz integracji z narzędziami do orkiestracji zadań
Szkolenie pokazuje, jak zarządzać danymi i konfiguracją w środowisku Kubernetes, w tym obsługę wolumenów i magazynów obiektowych
Szkolenie rozwija umiejętność projektowania modularnych potoków ML/AI oraz ich automatyzacji i monitorowania w środowisku produkcyjnym
Dla kogo?
Data Scientist oraz inżynier ML z minimum 2-letnim doświadczeniem programistycznym, chcący wdrażać skalowalne potoki ML/AI
Programista Python zainteresowany automatyzacją i produkcyjnym wdrażaniem rozwiązań AI/ML
Specjalista DevOps lub administrator systemów pragnący poszerzyć kompetencje o wdrożenia ML/AI na Kubernetes
Efekty kształcenia
Uczestnik projektuje i wdraża potoki ML/AI na Kubernetes
Uczestnik konteneryzuje aplikacje ML z użyciem Docker
Uczestnik integruje zadania ML z orkiestracją Airflow
Uczestnik zarządza danymi i konfiguracją w Kubernetes
Uczestnik automatyzuje procesy wdrożeniowe CI/CD
Uczestnik monitoruje i rozwiązuje problemy zadań ML w chmurze
Wymagania
Szkolenie nie jest kierowane dla osób początkujących - wymagane co najmniej 2 letnie doświadczenie programistyczne
Podstawowa znajomość koncepcji machine learning
Dobra znajomość języka programowania Python
Dobra znajomość środowiska Linux, w szczególności pracy linii poleceń
Znajomość składni YAML
Znajomość podstawowych koncepcji Kubernetes będzie atutem, ale nie jest wymagana
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Program szkolenia
Szkolenie poprowadzi Marcin Wierzbiński
Analityk danych i badacz sztucznej inteligencji z doświadczeniem akademickim i komercyjnym. Na co dzień wykłada na Uniwersytecie Warszawskim, a swoje kompetencje rozwijał również w międzynarodowych instytucjach badawczych, takich jak Instytut Maxa Plancka w Berlinie. Specjalizuje się w uczeniu maszynowym, analizie danych na dużą skalę oraz bioinformatyce – w szczególności w przetwarzaniu i analizie danych genetycznych. Prowadzi praktyczne kursy z zakresu analizy danych i deep learningu, kładąc…
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
