MLOps Training Courses

MLOps Training Courses

Corsi di formazione su MLOps condotti da un formatore locale in diretta a Italia.

Recensioni

★★★★★
★★★★★

Sottocategorie MLOps

Schema generale del corso MLOps

Nome del corso
Durata
Overview
Nome del corso
Durata
Overview
35 hours
MLOps è un insieme di strumenti e metodologie per combinare Machine Learning e DevOps pratiche. L'obiettivo di MLOps è quello di automatizzare e ottimizzare l'implementazione e la manutenzione dei sistemi ML in produzione.

Questo istruttore guidato, la formazione in diretta (online o on-site) è rivolto agli ingegneri che vogliono valutare gli approcci e gli strumenti disponibili oggi per prendere una decisione intelligente sul cammino avanti nell'adozione MLOps all'interno della loro organizzazione.

Al termine di questo corso, i partecipanti saranno in grado di:

Installare e configurare diversi MLOps framework e strumenti. Assemblare il tipo giusto di team con le competenze giuste per costruire e sostenere un sistema MLOps. Preparare, valutare e versare i dati per l'uso da modelli ML. Comprendere i componenti di un tubo ML e gli strumenti necessari per costruire uno. Experimentare con diversi framework e server di apprendimento automatico per la produzione. Operare l'intero processo Machine Learning in modo che sia riproduttibile e sostenibile.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
28 hours
Kubeflow è un quadro per eseguire Machine Learning carico di lavoro su Kubernetes. TensorFlow è una biblioteca di apprendimento automatico e Kubernetes è una piattaforma di orchestrazione per la gestione di applicazioni containerizzate.

Questo allenamento diretto da istruttori, in diretta (online o on-site) è rivolto agli ingegneri che vogliono impostare Machine Learning carico di lavoro su un server AWS EC2.

Al termine di questo corso, i partecipanti saranno in grado di:

Installare e configurare Kubernetes, Kubeflow e altri software necessari su AWS. Utilizzare EKS (Elastic Kubernetes Service) per semplificare il lavoro di inizializzazione di un cluster Kubernetes su AWS. Creare e implementare un Kubernetes pipeline per l'automazione e la gestione dei modelli ML in produzione. Eseguire e implementare i modelli ML TensorFlow su più GPUs e le macchine che funzionano in parallelo. Leverage altri servizi gestiti da AWS per estendere un'applicazione ML.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
28 hours
Kubeflow è un quadro per eseguire Machine Learning carico di lavoro su Kubernetes. TensorFlow è una delle biblioteche di apprendimento automatico più popolari. Kubernetes è una piattaforma di orchestrazione per la gestione di applicazioni containerizzate.

Questo allenamento guidato da istruttori, dal vivo (online o on-site) è rivolto agli ingegneri che vogliono disporre Machine Learning carico di lavoro in Azure cloud.

Al termine di questo corso, i partecipanti saranno in grado di:

Installare e configurare Kubernetes, Kubeflow e altri software necessari su Azure. Utilizzare Azure Kubernetes Servizio (AKS) per semplificare il lavoro di inizializzazione di un Kubernetes cluster su Azure. Creare e implementare un Kubernetes pipeline per l'automazione e la gestione dei modelli ML in produzione. Eseguire e implementare i modelli ML TensorFlow su più GPUs e le macchine che funzionano in parallelo. Leverage altri servizi gestiti da AWS per estendere un'applicazione ML.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
28 hours
Kubeflow è un quadro per eseguire Machine Learning carico di lavoro su Kubernetes. TensorFlow è una delle biblioteche di apprendimento automatico più popolari. Kubernetes è una piattaforma di orchestrazione per la gestione di applicazioni containerizzate.

Questo allenamento diretto da istruttori, in diretta (online o on-site) è rivolto agli ingegneri che desiderano disporre Machine Learning carico di lavoro su Google Cloud Platform (GCP).

Al termine di questo corso, i partecipanti saranno in grado di:

Installare e configurare Kubernetes, Kubeflow e altri software necessari su GCP e GKE. Utilizzare GKE (Kubernetes Kubernetes Motore) per semplificare il lavoro di inizializzazione di un Kubernetes cluster su GCP. Creare e implementare un Kubernetes pipeline per l'automazione e la gestione dei modelli ML in produzione. Eseguire e sfruttare i modelli ML TensorFlow su più GPUs e le macchine che funzionano in parallelo. Fornire altri servizi GCP per estendere un'applicazione ML.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
28 hours
Kubeflow è un quadro per eseguire Machine Learning carico di lavoro su Kubernetes. TensorFlow è una delle biblioteche di apprendimento automatico più popolari. Kubernetes è una piattaforma di orchestrazione per la gestione di applicazioni containerizzate.

Questo allenamento diretto da istruttori, in diretta (online o on-site) è rivolto agli ingegneri che desiderano disporre Machine Learning carico di lavoro per IBM Cloud Kubernetes Service (IKS).

Al termine di questo corso, i partecipanti saranno in grado di:

Installare e configurare Kubernetes, Kubeflow e altri software necessari sul Servizio IBM Cloud Kubernetes (IKS). Utilizzare IKS per semplificare il lavoro di inizializzazione di un Kubernetes cluster su IBM Cloud. Creare e implementare un Kubernetes pipeline per l'automazione e la gestione dei modelli ML in produzione. Eseguire e implementare i modelli ML TensorFlow su più GPUs e le macchine che funzionano in parallelo. Leverage altri servizi IBM Cloud per estendere un'applicazione ML.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
28 hours
Kubeflow è un quadro per eseguire Machine Learning carico di lavoro su Kubernetes. TensorFlow è una delle biblioteche di apprendimento automatico più popolari. Kubernetes è una piattaforma di orchestrazione per la gestione di applicazioni containerizzate. OpenShift è una piattaforma di sviluppo di applicazioni cloud che utilizza Docker contenitori, orchestrati e gestiti da Kubernetes, sulla base di Red Hat Enterprise Linux.

Questo allenamento diretto da istruttori, in diretta (online o on-site) è rivolto agli ingegneri che vogliono disporre Machine Learning carico di lavoro in un OpenShift on-premise o cloud ibrido.

Al termine di questo corso, i partecipanti saranno in grado di: Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Utilizzare OpenShift per semplificare il lavoro di inizializzazione di un Kubernetes cluster. Creare e implementare un Kubernetes pipeline per l'automazione e la gestione dei modelli ML in produzione. Imparare e implementare TensorFlow modelli ML su più GPUs e macchine che funzionano in parallelo. Chiamare i servizi cloud pubblici (ad esempio i servizi AWS) dall'interno OpenShift per estendere un'applicazione ML.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
35 hours
Kubeflow è un toolkit per rendere Machine Learning (ML) su Kubernetes facile, portabile e scalabile. AWS EKS (Elastic Kubernetes Service) è un servizio gestito da Amazon per eseguire il Kubernetes su AWS.

Questo istruttore guidato, la formazione in diretta (online o on-site) è rivolto a sviluppatori e scienziati dei dati che vogliono costruire, implementare e gestire i flussi di lavoro di apprendimento automatico Kubernetes.

Al termine di questo corso, i partecipanti saranno in grado di:

Installare e configurare Kubeflow su premise e nel cloud utilizzando AWS EKS (Elastic Kubernetes Service). Costruire, implementare e gestire i flussi di lavoro ML basati su Docker contenitori e Kubernetes. Eseguire tutti i tubi di apprendimento automatico su varie architettura e ambienti cloud. Utilizzare Kubeflow per spazzolare e gestire i notebook di Jupyter. Costruisci la formazione ML, il tuning di iperparametri e il servizio di carico di lavoro su più piattaforme.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
28 hours
Kubeflow è un toolkit per rendere Machine Learning (ML) su Kubernetes facile, portabile e scalabile.

Questo istruttore guidato, la formazione in diretta (online o on-site) è rivolto a sviluppatori e scienziati dei dati che vogliono costruire, implementare e gestire i flussi di lavoro di apprendimento automatico Kubernetes.

Al termine di questo corso, i partecipanti saranno in grado di:

Installare e configurare Kubeflow su premisa e nel cloud. Costruire, implementare e gestire i flussi di lavoro ML basati su Docker contenitori e Kubernetes. Eseguire tutti i tubi di apprendimento automatico su varie architettura e ambienti cloud. Utilizzare Kubeflow per spazzolare e gestire i notebook di Jupyter. Costruisci la formazione ML, il tuning di iperparametri e il servizio di carico di lavoro su più piattaforme.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare. Per saperne di più Kubeflow, si prega di visitare: https://github.com/kubeflow/kubeflow
21 hours
MLflow è una piattaforma open source per semplificare e gestire il ciclo di vita dell'apprendimento automatico. Supporta qualsiasi ML (apprendimento automatico) biblioteca, algoritmo, strumento di implementazione o linguaggio. Basta aggiungere MLflow al codice ML esistente per condividere il codice in qualsiasi libreria ML utilizzata all'interno della tua organizzazione.

Questo allenamento diretto da istruttori, in diretta (online o on-site) è rivolto a scienziati dei dati che vogliono andare oltre la costruzione di modelli ML e ottimizzare il processo di creazione, tracciamento e implementazione del modello ML.

Al termine di questo corso, i partecipanti saranno in grado di:

Installare e configurare MLflow e correlate biblioteche e framework ML. Valutare l'importanza della tracciabilità, riproducibilità e applicabilità di un modello ML Applicare i modelli ML su diverse nuvole pubbliche, piattaforme o server on-premise. Scalare il processo di implementazione ML per accogliere più utenti che collaborano su un progetto. Crea un registro centrale per sperimentare, riprodurre e implementare i modelli ML.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

Last Updated:

Prossimi corsi MLOps

Fine settimana MLOps corsi, Sera MLOps training, MLOps centro di addestramento, MLOps con istruttore, Fine settimana MLOps training, Sera MLOps corsi, MLOps coaching, MLOps istruttore, MLOps trainer, MLOps corsi di formazione, MLOps classi, MLOps in loco, MLOps corsi privati, MLOps training individuale

Corsi scontati

Newsletter per ricevere sconti sui corsi

Rispettiamo la privacy di ogni indirizzo mail. Non diffonderemo,né venderemo assolutamente nessun indirizzo mail a terzi. Inserire prego il proprio indirizzo mail. E' possibile sempre cambiare le impostazioni o cancellarsi completamente.

I nostri clienti

is growing fast!

We are looking for a good mixture of IT and soft skills in Italy!

As a NobleProg Trainer you will be responsible for:

  • delivering training and consultancy Worldwide
  • preparing training materials
  • creating new courses outlines
  • delivering consultancy
  • quality management

At the moment we are focusing on the following areas:

  • Statistic, Forecasting, Big Data Analysis, Data Mining, Evolution Alogrithm, Natural Language Processing, Machine Learning (recommender system, neural networks .etc...)
  • SOA, BPM, BPMN
  • Hibernate/Spring, Scala, Spark, jBPM, Drools
  • R, Python
  • Mobile Development (iOS, Android)
  • LAMP, Drupal, Mediawiki, Symfony, MEAN, jQuery
  • You need to have patience and ability to explain to non-technical people

To apply, please create your trainer-profile by going to the link below:

Apply now!

This site in other countries/regions