Kubeflow on AWS - Plan Szkolenia
Kubeflow to framework do uruchamiania obciążeń uczenia maszynowego na Kubernetes. TensorFlow to biblioteka uczenia maszynowego, a Kubernetes to platforma orkiestracji do zarządzania aplikacjami kontenerowymi.
To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą wdrożyć Machine Learning obciążenia na serwerze AWS EC2.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
- Zainstaluj i skonfiguruj Kubernetes, Kubeflow i inne potrzebne oprogramowanie na AWS.
- Wykorzystanie usługi EKS (Elastic Kubernetes Service) do uproszczenia procesu inicjalizacji klastra Kubernetes na platformie AWS.
- Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w produkcji.
- Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle.
- Wykorzystanie innych zarządzanych usług AWS do rozszerzenia aplikacji ML.
Format kursu
- Interaktywny wykład i dyskusja.
- Dużo ćwiczeń i praktyki.
- Praktyczne wdrożenie w środowisku live-lab.
Opcje dostosowywania kursu
- Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
Plan Szkolenia
Wprowadzenie
- Kubeflow on AWS vs lokalnie vs u innych dostawców chmury publicznej
Przegląd funkcji i architektury Kubeflow
Aktywacja konta AWS
Przygotowanie i uruchomienie instancji AWS z włączoną obsługą GPU
Konfigurowanie ról i uprawnień użytkowników
Przygotowanie środowiska kompilacji
Wybór TensorFlow modelu i zestawu danych
Pakowanie kodu i frameworków do Docker obrazu
Konfigurowanie klastra Kubernetes przy użyciu EKS
Inscenizacja danych szkoleniowych i walidacyjnych
Konfigurowanie Kubeflow Potoków
Uruchamianie zadania treningowego przy użyciu Kubeflow w EKS
Wizualizacja zadania treningowego w czasie wykonywania
Sprzątanie po zakończeniu pracy
Rozwiązywanie problemów
Podsumowanie i wnioski
Wymagania
- Zrozumienie koncepcji uczenia maszynowego.
- Znajomość koncepcji przetwarzania w chmurze.
- Ogólne zrozumienie kontenerów (Docker) i orkiestracji (Kubernetes).
- Pomocne jest pewne Python doświadczenie w programowaniu.
- Doświadczenie w pracy z wierszem poleceń.
Uczestnicy
- Inżynierowie zajmujący się nauką o danych.
- DevOps inżynierów zainteresowanych wdrażaniem modeli uczenia maszynowego.
- Inżynierowie infrastruktury zainteresowani wdrażaniem modeli uczenia maszynowego.
- Inżynierowie oprogramowania, którzy chcą zintegrować i wdrożyć funkcje uczenia maszynowego w swojej aplikacji.
Szkolenia otwarte są realizowane w przypadku uzbierania się grupy szkoleniowej liczącej co najmniej 5 osób na dany termin.
Kubeflow on AWS - Plan Szkolenia - Booking
Kubeflow on AWS - Plan Szkolenia - Enquiry
Kubeflow on AWS - Zapytanie o Konsultacje
Zapytanie o Konsultacje
Opinie uczestników (5)
ekosystem ML nie tylko MLFlow, ale także Optuna, hyperops, docker i docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Szkolenie - MLflow
Przetłumaczone przez sztuczną inteligencję
Ilość informacji, ćwicenia
Lukasz Kowalski - Sii Sp. z o.o.
Szkolenie - AWS IoT Core
Wszystko w porządku, nic do poprawy
Ievgen Vinchyk - GE Medical Systems Polska Sp. Z O.O.
Szkolenie - AWS Lambda for Developers
Przetłumaczone przez sztuczną inteligencję
Aplikacje IoT
Palaniswamy Suresh Kumar - Makers' Academy
Szkolenie - Industrial Training IoT (Internet of Things) with Raspberry PI and AWS IoT Core 「4 Hours Remote」
Przetłumaczone przez sztuczną inteligencję
później ten balans między teorią a praktyką był już znacznie lepszy. Ale początki były straszne. sposób wypowiadania się (język) bardzo spoko, zrozumiale, po ludzku
Lukasz Derkowski - NetworkedAssets Sp. z o.o.
Szkolenie - AWS CloudFormation
Propozycje terminów
Szkolenia Powiązane
Advanced Amazon Web Services (AWS) CloudFormation
7 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla inżynierów chmury i programistów, którzy chcą używać CloudFormation do zarządzania zasobami infrastruktury w ekosystemie AWS.
Po zakończeniu tego szkolenia uczestnicy będą mogli
- Wdrażać szablony CloudFormation w celu automatyzacji zarządzania infrastrukturą.
- Zintegrować istniejące zasoby AWS z CloudFormation.
- Używać StackSets do zarządzania stosami na wielu kontach i w wielu regionach.
DeepSeek: Advanced Model Optimization and Deployment
14 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla zaawansowanych inżynierów AI i naukowców zajmujących się danymi z doświadczeniem od średniego do zaawansowanego, którzy chcą zwiększyć wydajność modelu DeepSeek, zminimalizować opóźnienia i skutecznie wdrażać rozwiązania AI przy użyciu nowoczesnych praktyk MLOps.
Pod koniec tego szkolenia uczestnicy będą mogli
- Optymalizować modele DeepSeek pod kątem wydajności, dokładności i skalowalności.
- Wdrażać najlepsze praktyki dla MLOps i wersjonowania modeli.
- Wdrażać modele DeepSeek w chmurze i infrastrukturze lokalnej.
- Skutecznie monitorować, utrzymywać i skalować rozwiązania AI.
Amazon DynamoDB for Developers
14 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla programistów, którzy chcą zintegrować bazę danych DynamoDB NoSQL z aplikacją internetową hostowaną w AWS.
Pod koniec tego szkolenia uczestnicy będą mogli
- Skonfigurować niezbędne środowisko programistyczne, aby rozpocząć integrację danych z DynamoDB.
- Zintegrować DynamoDB z aplikacjami internetowymi i mobilnymi.
- Przenosić dane w AWS za pomocą usług AWS.
- Wdrażać operacje za pomocą AWS DAX.
Tworzenie rozwiązań IoT z wykorzystaniem Amazon Web Services
28 godzinSzkolenie "Tworzenie rozwiązań IoT z wykorzystaniem Amazon Web Services" skupia się na prezentacji usług AWS w kontekście tworzenia rozwiązań IoT. Uczestnicy zdobędą umiejętności korzystania z konsoli zarządzania, narzędzia AWS CLI, oraz poznają architekturę AWS. Kurs obejmuje omówienie usługi AWS IoT Core, definiowanie urządzeń, generowanie certyfikatów, i nawiązywanie bezpiecznej komunikacji. Dodatkowo uczestnicy dowiedzą się, jak zintegrować IoT Core z różnymi usługami AWS, w tym SNS, SQS, DynamoDB, S3, API Gateway, AWS Lambda, a także jak integrować IoT z usługami sztucznej inteligencji, takimi jak Rekognition i Textract.
AWS IoT Core
14 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla inżynierów, którzy chcą wdrażać urządzenia IoT i zarządzać nimi w AWS.
Pod koniec tego szkolenia uczestnicy będą mogli zbudować platformę IoT, która obejmuje wdrażanie i zarządzanie backendem, bramą i urządzeniami na AWS.
Amazon Web Services (AWS) IoT Greengrass
21 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla programistów, którzy chcą zainstalować, skonfigurować i zarządzać możliwościami AWS IoT Greengrass w celu tworzenia aplikacji dla różnych urządzeń.
Pod koniec tego szkolenia uczestnicy będą mogli używać AWS IoT Greengrass do tworzenia, wdrażania, zarządzania, zabezpieczania i monitorowania aplikacji na inteligentnych urządzeniach.
AWS Lambda for Developers
14 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla programistów, którzy chcą używać AWS Lambda do tworzenia i wdrażania usług i aplikacji w chmurze, bez konieczności martwienia się o zapewnienie środowiska wykonawczego (serwery, maszyny wirtualne i kontenery, dostępność, skalowalność, pamięć masową itp.)
Pod koniec tego szkolenia uczestnicy będą w stanie
- Skonfigurować AWS Lambda w celu wykonania funkcji.
- Zrozumieć FaaS (Funkcje jako usługa) i zalety rozwoju bezserwerowego.
- Budować, przesyłać i wykonywać funkcje AWS Lambda.
- Integracja funkcji Lambda z różnymi źródłami zdarzeń.
- Pakowanie, wdrażanie, monitorowanie i rozwiązywanie problemów z aplikacjami opartymi na Lambda.
Certified Cloud Security Professional (CCSP) - training
35 godzin___ is ___.
This instructor-led, live training (online or onsite) is aimed at beginner-level / intermediate-level / advanced-level ___ who wish to use ___ to ___.
By the end of this training, participants will be able to:
- Install and configure ___.
- ___.
- ___.
- ___.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
AWS CloudFormation
7 godzinSzkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla inżynierów, którzy chcą używać AWS CloudFormation do automatyzacji procesu zarządzania infrastrukturą chmury AWS.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
- Włącz usługi AWS, aby rozpocząć zarządzanie infrastrukturą.
- Zrozumieć i stosować zasadę „infrastruktury jako kodu”.
- Poprawa jakości i obniżenie kosztów wdrażania infrastruktury.
- Pisanie AWS CloudFormation szablonów przy użyciu YAML.
Mastering DevOps with AWS Cloud9
21 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla zaawansowanych profesjonalistów, którzy chcą pogłębić swoją wiedzę na temat DevOps praktyk i usprawnić procesy programistyczne za pomocą AWS Cloud9.
Pod koniec tego szkolenia uczestnicy będą w stanie
- Konfigurować i konfigurować AWS Cloud9 dla DevOps przepływów pracy.
- Wdrażać potoki ciągłej integracji i ciągłego dostarczania (CI/CD).
- Automatyzować procesy testowania, monitorowania i wdrażania przy użyciu AWS Cloud9.
- Integracja usług AWS, takich jak Lambda, EC2 i S3 z przepływami pracy DevOps.
- Wykorzystanie systemów kontroli źródła, takich jak GitHub lub GitLab w ramach AWS Cloud9.
Developing Serverless Applications on AWS Cloud9
14 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla średniozaawansowanych profesjonalistów, którzy chcą dowiedzieć się, jak skutecznie budować, wdrażać i utrzymywać aplikacje bezserwerowe w AWS Cloud9 i AWS Lambda.
Pod koniec tego szkolenia uczestnicy będą w stanie
- Zrozumieć podstawy architektury bezserwerowej.
- Skonfigurować AWS Cloud9 do tworzenia aplikacji bezserwerowych.
- Rozwijać, testować i wdrażać aplikacje bezserwerowe przy użyciu AWS Lambda.
- Zintegrować AWS Lambda z innymi usługami AWS, takimi jak API Gateway i S3.
- Optymalizacja aplikacji serverless pod kątem wydajności i efektywności kosztowej.
Industrial Training IoT (Internet of Things) with Raspberry PI and AWS IoT Core 「4 Hours Remote」
4 godzinPodsumowanie:
- Podstawy architektury i funkcji IoT
- "Rzeczy", "Czujniki", Internet i mapowanie między funkcjami biznesowymi IoT
- Niezbędne komponenty oprogramowania IoT - sprzęt, oprogramowanie układowe, oprogramowanie pośredniczące, chmura i aplikacja mobilna
- Funkcje IoT - menedżer floty, wizualizacja danych, FM i DV oparte na SaaS, alerty/alarmy, wdrażanie czujników, wdrażanie "rzeczy", geofencing
- Podstawy komunikacji urządzeń IoT z chmurą za pomocą MQTT.
- Podłączanie urządzeń IoT do AWS za pomocą MQTT (AWS IoT Core).
- Łączenie rdzenia AWS IoT z funkcją AWS Lambda do obliczeń i przechowywania danych.
- Połączenie Raspberry PI z rdzeniem AWS IoT i prosta komunikacja danych.
- Alerty i zdarzenia
- Kalibracja czujników
Industrial Training IoT (Internet of Things) with Raspberry PI and AWS IoT Core 「8 Hours Remote」
8 godzinStreszczenie:
- Podstawy architektury i funkcji IoT
- "Rzeczy", "Czujniki", Internet i mapowanie między funkcjami biznesowymi IoT
- Niezbędne komponenty oprogramowania IoT - sprzęt, oprogramowanie układowe, oprogramowanie pośredniczące, chmura i aplikacja mobilna
- Funkcje IoT - menedżer floty, wizualizacja danych, FM i DV oparte na SaaS, alerty/alarmy, wdrażanie czujników, wdrażanie "rzeczy", geofencing
- Podstawy komunikacji urządzeń IoT z chmurą za pomocą MQTT.
- Podłączanie urządzeń IoT do AWS za pomocą MQTT (AWS IoT Core).
- Łączenie rdzenia AWS IoT z funkcją AWS Lambda do obliczeń i przechowywania danych przy użyciu DynamoDB.
- Łączenie Raspberry PI z rdzeniem AWS IoT i prosta komunikacja danych.
- Praktyczne wykorzystanie Raspberry PI i AWS IoT Core do zbudowania inteligentnego urządzenia.
- Wizualizacja danych z czujników i komunikacja z interfejsem sieciowym.
Kubeflow on Azure
28 godzinTo prowadzone przez instruktora szkolenie na żywo w Polsce (online lub na miejscu) jest przeznaczone dla inżynierów, którzy chcą wdrożyć Machine Learning obciążenia w chmurze Azure.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
- Instalowanie i konfigurowanie Kubernetes, Kubeflow i innego potrzebnego oprogramowania na platformie Azure.
- Używanie usługi Azure Kubernetes Service (AKS) w celu uproszczenia pracy związanej z inicjowaniem klastra Kubernetes na platformie Azure.
- Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w produkcji.
- Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle.
- Wykorzystanie innych usług zarządzanych AWS do rozszerzenia aplikacji ML.
MLflow
21 godzinTo prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą wyjść poza budowanie modeli ML i zoptymalizować proces tworzenia, śledzenia i wdrażania modeli ML.
Pod koniec tego szkolenia uczestnicy będą mogli
- Zainstalować i skonfigurować MLflow oraz powiązane biblioteki i frameworki ML.
- Docenić znaczenie możliwości śledzenia, odtwarzania i wdrażania modelu ML.
- Wdrażać modele ML na różnych chmurach publicznych, platformach lub serwerach lokalnych.
- Skalowanie procesu wdrażania uczenia maszynowego, aby pomieścić wielu użytkowników współpracujących nad projektem.
- Skonfigurowanie centralnego rejestru w celu eksperymentowania, odtwarzania i wdrażania modeli uczenia maszynowego.