MLOps: CI/CD voor Machine Learning Training Cursus

Leer hoe u het testen kunt optimaliseren, sneller kunt testen en toch een goede kwaliteit en een consistent stabiel resultaat kunt verkrijgen.

Leer wat DevOps Engineering is, waarom DevOps engineering belangrijk is en hoe DevOps voor succesvol is ontworpen.

De cursus begint met een korte beoordeling van de basisprincipes van DevOps en gaat dan over op de implementatie van DevOps. Het is ontworpen vanuit een ingenieursperspectief en behandelt onderwerpen zoals DevOps in relatie tot andere frameworks, technologieën,
ontwerppraktijken voor toepassingen, praktijken voor continue integratie, continue levering en implementatie, continue testing, elastische infrastructuren, monitoring, metriek, observability, governance, menselijke aspecten en toekomstige trends in DevOps engineering.

De DevOps Foundation-cursus biedt een basisbegrip van de belangrijkste DevOps terminologie om ervoor te zorgen dat iedereen dezelfde taal spreekt en benadrukt de voordelen van DevOps om het succes van de organisatie te ondersteunen.

De cursus benadrukt de menselijke dynamiek van culturele verandering en voorziet deelnemers van praktijken, methoden en tools om mensen over het hele DevOps-spectrum te betrekken met behulp van real-life scenario's en casestudies. Na afloop van de cursus hebben deelnemers concrete inzichten die ze kunnen toepassen op kantoor, zoals een begrip van Value Stream Mapping.

Een inleiding tot principes, praktijken en tools voor waardestroombeheer. Ontworpen om de waardestroom en -realisatie in digitale waardestromen te optimaliseren en de vaardigheden van individuen te ontwikkelen. Digitale waardestromen omvatten de softwaretoepassingen en -diensten, naast de platforms die deze ondersteunen, bijv. cloudinfrastructuur of DevOps toolchains

Cursusonderwerpen die aan bod komen, zijn onder meer hoe DevSecOps bedrijfswaarde biedt, het verbeteren van uw zakelijke kansen en het verbeteren van de bedrijfswaarde.  De aangeleerde kernprincipes van DevSecOps kunnen een organisatorische transformatie ondersteunen, de productiviteit verhogen, risico's verminderen en het gebruik van resources optimaliseren.

DevSecOps Practitioner introduceert een reeks werkwijzen om te komen tot een uitgebreider begrip van DevSecOps-werkwijzen. Verken praktische resultaten door de juiste mix van mensen te vinden, processen te bouwen om waarde te versnellen en technologische opties te vergelijken die vandaag beschikbaar zijn. Op maat gemaakt voor recent getransformeerde organisaties die de vaardigheden en het bewustzijn van DevSecOps willen verbeteren.

Deze live training onder leiding van een instructeur in België (online of ter plaatse) is bedoeld voor ontwikkelaars en datawetenschappers die machine learning-workflows willen bouwen, implementeren en beheren op Kubernetes.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer en configureer Kubeflow on-premise en in de cloud met behulp van AWS EKS (Elastic Kubernetes Service).
• Bouw, implementeer en beheer ML-workflows op basis van Docker containers en Kubernetes.
• Voer volledige machine learning-pijplijnen uit op verschillende architecturen en cloudomgevingen.
• Kubeflow gebruiken om Jupyter-notebooks te maken en te beheren.
• Bouw ML-training, hyperparameterafstemming en het serveren van workloads op meerdere platforms.

Deze instructeur-ged真的ede, live training in België (online of ter plaatse) is gericht op ingenieurs die Machine Learning werkbelastingen naar een AWS EC2-server willen implementeren.

Aan het einde van deze training zullen de deelnemers in staat zijn:

• Kubernetes, Kubeflow en andere benodigde software te installeren en configureren op AWS.
• EKS (Elastic Kubernetes Service) te gebruiken om het werk van het initialiseren van een Kubernetes-cluster op AWS te vereenvoudigen.
• Een Kubernetes-pijplijn te maken en in te zetten voor het automatiseren en beheren van ML-modellen in productie.
• TensorFlow ML-modellen te trainen en implementeren over meerdere GPUs en machines die parallel lopen.
• Andere AWS-beheerde services te benutten om een ML-toepassing uit te breiden.

Dit instructeurgeleide, live-training (online of on-site) is gericht op ingenieurs die Machine Learning-workloads willen implementeren in de Azure-cloud.

Na afloop van deze training zullen de deelnemers in staat zijn:

• Kubernetes, Kubeflow en andere benodigde software te installeren en configureren op Azure.
• Azure Kubernetes Service (AKS) te gebruiken om het werk van het initializeren van een Kubernetes-cluster in Azure te vereenvoudigen.
• Een Kubernetes-pijplijn te maken en implementeren voor het automatiseren en beheren van ML-modellen in productie.
• TensorFlow ML-modellen te trainen en implementeren over meerdere GPUs en machines die parallel draaien.
• Andere AWS-beheerde services te gebruiken om een ML-toepassing uit te breiden.

Kubeflow is een open-source platform dat ontworpen is om het bouwen, trainen en implementeren van machine learning workloads op Kubernetes te vergemakkelijken.

Deze instructeurgeleide live training (online of ter plaatse) is gericht op professionals met een beginnend tot gemiddeld niveau die betrouwbare ML-werkstroom willen bouwen met Kubeflow.

Na het volgen van deze training zullen de deelnemers de vaardigheden verwerven om:

• De Kubeflow-ecosysteem en kerncomponenten te navigeren.
• Reproduceerbare werkstroom te bouwen met Kubeflow Pipelines.
• Schaalbare trainingstaak uit te voeren op Kubernetes.
• Machine learning modellen efficiënt te serveren met Kubeflow Serving.

Format van de cursus

• Geleide presentaties en collaboratieve discussies.
• Hands-on labs met echte Kubeflow-componenten.
• Praktische oefeningen om eind-aan-eind ML-werkstroom te bouwen.

Aanpassingsmogelijkheden voor de cursus

• Aangepaste versies van deze training kunnen worden geregeld om in te lijnen met het technologiestap en projectvereisten van uw team.

Deze live training onder leiding van een instructeur in België (online of ter plaatse) is bedoeld voor ontwikkelaars en datawetenschappers die machine learning-workflows willen bouwen, implementeren en beheren op Kubernetes.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer en configureer Kubeflow op locatie en in de cloud.
• Bouw, implementeer en beheer ML-workflows op basis van Docker containers en Kubernetes.
• Voer volledige machine learning-pijplijnen uit op verschillende architecturen en cloudomgevingen.
• Kubeflow gebruiken om Jupyter-notebooks te maken en te beheren.
• Bouw ML-training, hyperparameterafstemming en het serveren van workloads op meerdere platforms.

Deze live training onder leiding van een instructeur (online of ter plaatse) is bedoeld voor datawetenschappers die verder willen gaan dan het bouwen van ML-modellen en het creatie-, tracking- en implementatieproces van ML-modellen willen optimaliseren.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer en configureer MLflow en gerelateerde ML-bibliotheken en -frameworks.
• Waardeer het belang van traceerbaarheid, reproduceerbaarheid en inzetbaarheid van een ML-model
• Implementeer ML-modellen in verschillende openbare clouds, platforms of on-premise servers.
• Schaal het ML-implementatieproces zodat meerdere gebruikers aan een project kunnen samenwerken.
• Zet een centraal register op om met ML-modellen te experimenteren, deze te reproduceren en te implementeren.

De SRE (Site Reliability Engineering) Foundation cursus is een inleiding tot de principes en praktijken die een organisatie in staat stellen om kritieke diensten betrouwbaar en kosteneffectief te schalen. Het invoeren van een site-reliable dimensie vereist een heroriëntatie van de organisatie, een nieuwe focus op technische expertise en automatisering, en de aanname van een reeks nieuwe werkwijzen.