Docker für MLOps: Containerisierung von End-to-End-Pipelines Schulung

Diese von einem Dozenten geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Ingenieur:innen, die ihr Wissen über Docker erweitern möchten, um Anwendungen im größeren Maßstab bereitzustellen, während sie die Kontrolle behalten.

Am Ende dieser Schulung sind die Teilnehmenden in der Lage:

• Eigene Docker-Images zu erstellen.
• Eine große Anzahl von Docker-Anwendungen bereitzustellen und zu verwalten.
• Verschiedene Container-Orchestrierungslösungen zu bewerten und die am besten geeignete auszuwählen.
• Einen Continuous-Integration-Prozess für Docker-Anwendungen einzurichten.
• Docker-Anwendungen mit vorhandenen kontinuierlichen Integrationsprozessen zu integrieren.
• Ihre Docker-Anwendungen abzusichern.

Am Ende dieser Schulung werden die Teilnehmer_innen:

• eigene Docker-Images erstellen können.
• viele Docker-Anwendungen bereitstellen und verwalten können.
• verschiedene Container-Orchestrierungslösungen evaluieren und die am besten geeignete auswählen können.
• einen Continuous-Integration-Prozess für Docker-Anwendungen einrichten können.
• Docker-Anwendungen in bestehende Continuous-Integration-Workflows integrieren können.
• ihre Docker-Anwendungen absichern können.
• Kubernetes verwenden können, um verschiedene Umgebungen innerhalb desselben Clusters zu bereitstellen und zu verwalten.
• einen Kubernetes-Cluster sichern, skalieren und überwachen können.

Diese von Instruktoren geleitete, Live-Schulung in Schweiz (Online oder vor Ort) richtet sich an KI-Ingenieure und Data Scientists auf fortgeschrittenem Niveau mit mittleren bis fortgeschrittenen Kenntnissen, die ihre Fähigkeit zur Leistungssteigerung von DeepSeek-Modellen, zur Minimierung der Latenzzeit und zur effizienten Bereitstellung von KI-Lösungen mithilfe moderner MLOps-Praktiken verbessern möchten.

Nach Abschluss dieser Schulung können die Teilnehmer:

• DeepSeek-Modelle hinsichtlich Effizienz, Genauigkeit und Skalierbarkeit optimieren.
• Beste Praktiken für MLOps und Modellversionierung umsetzen.
• DeepSeek-Modelle in Cloud- und On-Premise-Infrastrukturen bereitstellen.
• KI-Lösungen überwachen, warten und effektiv skalieren.

Lernen Sie, wie containerisierte Umgebungen mit Docker, Kubernetes und OpenShift erstellt, bereitgestellt und verwaltet werden. Dieser fünftägige Workshop mit praktischen Übungen behandelt Container-Images, Kubernetes-Workloads, Cluster-Netzwerkverbindungen, Speicher, Sicherheit, Überwachung und die praktische Administration von OpenShift. Die Teilnehmenden erwerben die Fähigkeiten, die erforderlich sind, um moderne Container-Plattformen zu betreiben und Anwendungen in Entwicklungs- und Produktionsumgebungen zu troubleshooten.

In dieser live stattfindenden Schulung mit Instruktoren in Schweiz (vor Ort oder remote) erlernen die Teilnehmer den Umgang mit der Erstellung und Verwaltung von Docker-Containern sowie das Bereitstellen einer Beispielanwendung innerhalb eines Containers. Die Teilnehmer lernen ausserdem, wie sie ihre containerisierten Anwendungen in einem Kubernetes-Cluster automatisieren, skalieren und verwalten können. Anschliessend behandelt die Schulung fortgeschrittene Themen und führt die Teilnehmer durch den Prozess der Absicherung, Skalierung und Überwachung eines Kubernetes-Clusters.

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

• Einen Docker-Container einzurichten und auszuführen.
• Einen containerisierten Server und eine Webanwendung bereitzustellen.
• Docker-Images zu erstellen und zu verwalten.
• Einen Docker- und Kubernetes-Cluster einzurichten.
• Kubernetes zum Bereitstellen und Verwalten einer clustergestützten Webanwendung zu nutzen.
• Einen Kubernetes-Cluster abzusichern, zu skalieren und zu überwachen.

Schulungsziele: Vermittlung theoretischer und praktischer Kompetenzen im Umgang mit Docker und Kubernetes.

Diese präsentierte Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Entwickler und Data Scientists, die auf Kubernetes Machine-Learning-Workflows erstellen, bereitstellen und verwalten möchten.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Kubeflow On-Premises und in der Cloud zu installieren und zu konfigurieren.
• ML-Workflows auf Basis von Docker-Containern und Kubernetes zu erstellen, bereitzustellen und zu verwalten.
• Komplette Machine-Learning-Pipelines auf verschiedenen Architekturen und Cloud-Umgebungen auszuführen.
• Kubeflow zur Erstellung und Verwaltung von Jupyter-Notebooks zu verwenden.
• ML-Training, Hyperparameter-Tuning und Serving-Workloads über mehrere Plattformen hinweg zu realisieren.

Dieses unter Anleitung durchgeführte Live-Training in Schweiz (online oder vor Ort) richtet sich an Ingenieurinnen und Ingenieure, die die aktuell verfügbaren Ansätze und Werkzeuge evaluieren möchten, um eine fundierte Entscheidung über den weiteren Weg zur Einführung von MLOps in ihrer Organisation zu treffen.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Verschiedene MLOps-Frameworks und -Werkzeuge zu installieren und zu konfigurieren.
• Ein Team mit den richtigen Kompetenzen für den Aufbau und die Unterstützung eines MLOps-Systems zusammenzustellen.
• Daten für die Nutzung durch ML-Modelle vorzubereiten, zu validieren und zu versionieren.
• Die Komponenten einer ML-Pipeline sowie die dafür benötigten Werkzeuge zu verstehen.
• Verschiedene Frameworks und Server für maschinelles Lernen zur Bereitstellung in der Produktion zu evaluieren.
• Den gesamten Prozess des maschinellen Lernens betriebsbereit zu machen, sodass er reproduzierbar und wartbar ist.