Opis:

Wprowadzenie do tworzenia i wdrażania aplikacji AI/ML na platformie Red Hat OpenShift AI.

Kurs Developing and Deploying AI/ML Applications on Red Hat OpenShift AI (AI267) zapewnia uczestnikom podstawową wiedzę na temat wykorzystania Red Hat OpenShift do tworzenia i wdrażania aplikacji AI/ML. Szkolenie pomaga zbudować kluczowe umiejętności w zakresie korzystania z Red Hat OpenShift AI do trenowania, rozwijania i wdrażania modeli uczenia maszynowego poprzez praktyczne ćwiczenia.

Kurs oparty jest na Red Hat OpenShift ® 4.18 oraz Red Hat OpenShift AI 2.25.

Uwaga: Kurs dostępny jest jako 3-dniowe szkolenie stacjonarne, 3-dniowe szkolenie wirtualne lub jako część rocznej subskrypcji RHLS (365 dni).

Podsumowanie zawartości kursu:

• Wprowadzenie do Red Hat OpenShift AI
• Projekty Data Science
• Notebooki Jupyter
• Instalacja Red Hat OpenShift AI
• Zarządzanie użytkownikami i zasobami
• Niestandardowe obrazy notebooków
• Wprowadzenie do uczenia maszynowego
• Trenowanie modeli
• Usprawnianie trenowania modeli z RHOAI
• Wprowadzenie do udostępniania modeli (model serving)
• Udostępnianie modeli w Red Hat OpenShift AI
• Wprowadzenie do automatyzacji workflow
• Pipeline’y Elyra
• Pipeline’y KubeFlow

Cel: Wpływ na organizację

• Organizacje gromadzą i przechowują ogromne ilości danych z wielu źródeł. Dzięki Red Hat OpenShift AI mają gotową platformę do analizy danych, wizualizacji trendów i wzorców oraz prognozowania przyszłych wyników biznesowych przy użyciu algorytmów uczenia maszynowego i sztucznej inteligencji.

Wpływ na uczestnika

• Po ukończeniu kursu będziesz rozumiał podstawy architektury Red Hat OpenShift AI. Nauczysz się instalować Red Hat OpenShift AI, zarządzać alokacją zasobów, aktualizować komponenty oraz zarządzać użytkownikami i ich uprawnieniami. Będziesz także potrafił trenować, wdrażać i udostępniać modele, stosując dobre praktyki w obszarze uczenia maszynowego i data science. Dodatkowo nauczysz się tworzyć, uruchamiać, zarządzać i rozwiązywać problemy związane z pipeline’ami data science.

Grupa docelowa:

• Data scientist oraz specjaliści AI chcący wykorzystywać Red Hat OpenShift AI do budowy i trenowania modeli ML
• Programiści chcący tworzyć i integrować aplikacje wykorzystujące AI/ML
• Inżynierowie MLOps odpowiedzialni za instalację, konfigurację, wdrażanie i monitorowanie aplikacji AI/ML na Red Hat OpenShift AI

Uwagi: Czas trwania – 3 dni (szkolenie stacjonarne), 3 dni (szkolenie wirtualne)

Zalecany kolejny kurs lub egzamin

• Red Hat Certified Specialist in OpenShift AI Exam (EX267)

Uwagi technologiczne:

• Brak dostępnych szkoleń w formule ILT (Instructor-Led Training) w sali szkoleniowej

Wymagania:

• Wymagane doświadczenie z Git
• Wymagane doświadczenie w programowaniu w Pythonie lub ukończenie kursu Python Programming with Red Hat (AD141)
• Wymagane doświadczenie z Red Hat OpenShift lub ukończenie kursu Red Hat OpenShift Developer II: Building and Deploying Cloud-native Applications (DO288)
• Zalecane podstawowe doświadczenie w obszarze AI, data science i uczenia maszynowego

Konspekt:

1. Wprowadzenie do Red Hat OpenShift AI
   • Identyfikacja głównych funkcji Red Hat OpenShift AI oraz opis architektury i komponentów Red Hat AI
2. Projekty Data Science
   • Organizacja kodu i konfiguracji przy użyciu projektów data science, workbenchy oraz połączeń danych
3. Notebooki Jupyter
   • Wykorzystanie notebooków Jupyter do interaktywnego uruchamiania i testowania kodu
4. Instalacja Red Hat OpenShift AI
   • Instalacja Red Hat OpenShift AI przy użyciu konsoli webowej i CLI oraz zarządzanie komponentami
5. Zarządzanie użytkownikami i zasobami
   • Zarządzanie użytkownikami Red Hat OpenShift AI oraz alokacją zasobów dla workbenchy
6. Niestandardowe obrazy notebooków
   • Tworzenie własnych obrazów notebooków oraz ich import przez panel Red Hat OpenShift AI
7. Wprowadzenie do uczenia maszynowego
   • Omówienie podstawowych pojęć ML, typów uczenia maszynowego oraz workflow ML
8. Trenowanie modeli
   • Trenowanie modeli przy użyciu domyślnych i niestandardowych workbenchy
9. Usprawnianie trenowania modeli z RHOAI
   • Wykorzystanie RHOAI do stosowania dobrych praktyk w ML i data science
10. Wprowadzenie do udostępniania modeli
    • Omówienie koncepcji i komponentów potrzebnych do eksportu, współdzielenia i udostępniania modeli ML
11. Udostępnianie modeli w Red Hat OpenShift AI
    • Udostępnianie wytrenowanych modeli ML w OpenShift AI
12. Niestandardowe serwery modeli
    • Wdrażanie i udostępnianie modeli ML przy użyciu własnych runtime’ów serwowania modeli
13. Wprowadzenie do pipeline’ów data science
    • Tworzenie, uruchamianie, zarządzanie i rozwiązywanie problemów pipeline’ów data science
14. Pipeline’y Elyra
    • Tworzenie pipeline’u data science z użyciem Elyra
15. Pipeline’y KubeFlow
    • Tworzenie pipeline’u data science przy użyciu KubeFlow SDK

Notyfikacja: Uwaga: Zakres kursu może ulec zmianie wraz z rozwojem technologii i zmianami w wymaganiach zawodowych. W przypadku pytań lub potrzeby potwierdzenia konkretnych zagadnień prosimy o kontakt: osec@osec.pl