Fedezze fel tanfolyamainkat

DeepSeek: Advanced Model Optimization and Deployment

 14 Órák
Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a haladó szintű mesterségesintelligencia-mérnököknek és adattudósoknak szól, akik közép-haladó tapasztalattal rendelkeznek, akik szeretnék javítani DeepSeek a modell teljesítményét, minimalizálni a késleltetést és bevezetni az AI-t. megoldásokat hatékonyan a modern MLOps gyakorlatot alkalmazva. A képzés végére a résztvevők képesek lesznek:
  • Optimalizálja az DeepSeek modelleket a hatékonyság, a pontosság és a méretezhetőség érdekében.
  • Végezze el a MLOps és a modellverziók bevált gyakorlatait.
  • Telepítsen DeepSeek modelleket a felhőben és a helyszíni infrastruktúrában.
  • Az AI-megoldások hatékony nyomon követése, karbantartása és méretezése.
Olvass tovább...

Kubeflow

 35 Órák
Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek és adattudósoknak szól, akik gépi tanulási munkafolyamatokat szeretnének kiépíteni, telepíteni és kezelni a Kubernetes webhelyen. A képzés végére a résztvevők képesek lesznek:
  • Telepítse és konfigurálja az Kubeflow-et a helyszínen és a felhőben az AWS EKS (Elastic Kubernetes szolgáltatás) segítségével.
  • ML munkafolyamatok létrehozása, üzembe helyezése és kezelése Docker tárolók és Kubernetes alapján.
  • Futtasson teljes gépi tanulási folyamatot különféle architektúrákon és felhőkörnyezeteken.
  • Az Kubeflow használata Jupyter notebookok létrehozásához és kezeléséhez.
  • Építsen ML képzést, hiperparaméter-hangolást, és szolgálja ki a munkaterheléseket több platformon.
Olvass tovább...

Kubeflow Fundamentals

 28 Órák
Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek és adattudósoknak szól, akik gépi tanulási munkafolyamatokat szeretnének kiépíteni, telepíteni és kezelni a Kubernetes webhelyen. A képzés végére a résztvevők képesek lesznek:
  • Telepítse és konfigurálja az Kubeflow-et a helyszínen és a felhőben.
  • ML munkafolyamatok létrehozása, üzembe helyezése és kezelése Docker tárolók és Kubernetes alapján.
  • Futtasson teljes gépi tanulási folyamatot különféle architektúrákon és felhőkörnyezeteken.
  • Az Kubeflow használata Jupyter notebookok létrehozásához és kezeléséhez.
  • Építsen ML képzést, hiperparaméter-hangolást, és szolgálja ki a munkaterheléseket több platformon.
Olvass tovább...

Kubeflow on AWS

 28 Órák
Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a mérnököknek szól, akik Machine Learning munkaterhelést szeretnének telepíteni egy AWS EC2 szerverre. A képzés végére a résztvevők képesek lesznek:
  • Telepítse és konfigurálja a Kubernetes, Kubeflow és egyéb szükséges szoftvereket az AWS-en.
  • Az EKS (Elastic Kubernetes Service) használatával leegyszerűsítheti a Kubernetes-fürt inicializálását az AWS-en.
  • Hozzon létre és helyezzen üzembe egy Kubernetes-folyamatot az éles ML-modellek automatizálásához és kezeléséhez.
  • Tanítson és telepítsen TensorFlow ML modellt több párhuzamosan futó GPU-n és gépen.
  • Használjon más AWS által felügyelt szolgáltatásokat az ML-alkalmazások kiterjesztéséhez.
Olvass tovább...

Kubeflow on Azure

 28 Órák
Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a mérnököknek szól, akik Machine Learning munkaterhelést szeretnének telepíteni az Azure-felhőbe. A képzés végére a résztvevők képesek lesznek:
  • Telepítse és konfigurálja a Kubernetes, a Kubeflow és más szükséges szoftvereket az Azure-ban.
  • Az Azure Kubernetes Service (AKS) használatával egyszerűsítse a Kubernetes-fürt Azure-ban történő inicializálását.
  • Hozzon létre és helyezzen üzembe egy Kubernetes-folyamatot az éles ML-modellek automatizálásához és kezeléséhez.
  • Tanítson és telepítsen TensorFlow ML modellt több párhuzamosan futó GPU-n és gépen.
  • Használjon más AWS által felügyelt szolgáltatásokat az ML-alkalmazások kiterjesztéséhez.
Olvass tovább...

MLflow

 21 Órák
Ez az oktató által vezetett, élő (online vagy helyszíni) képzés azoknak az adattudósoknak szól, akik túl szeretnének menni az ML-modellek építésén, és optimalizálni szeretnék az ML-modell létrehozási, nyomon követési és telepítési folyamatát. A képzés végére a résztvevők képesek lesznek:
  • Telepítse és konfigurálja a MLflow-t és a kapcsolódó ML könyvtárakat és keretrendszereket.
  • Értékelje az ML modell nyomon követhetőségének, reprodukálhatóságának és telepíthetőségének fontosságát
  • Telepítsen ML modelleket különböző nyilvános felhőkre, platformokra vagy helyszíni kiszolgálókra.
  • Méretezheti az ML-telepítési folyamatot, hogy több felhasználó is alkalmazkodjon egy projekten.
  • Állítson be egy központi nyilvántartást az ML-modellek kísérletezéséhez, reprodukálásához és üzembe helyezéséhez.
Olvass tovább...

MLOps: CI/CD for Machine Learning

 35 Órák
Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a mérnököknek szól, akik szeretnék értékelni a ma rendelkezésre álló megközelítéseket és eszközöket, hogy intelligens döntést hozzanak a MLOps bevezetése felé vezető úton a szervezetükön belül. A képzés végére a résztvevők képesek lesznek:
  • Különféle MLOps keretrendszerek és eszközök telepítése és konfigurálása.
  • Állítsa össze a megfelelő csapatot a megfelelő készségekkel egy MLOps rendszer felépítéséhez és támogatásához.
  • Adatok előkészítése, érvényesítése és verziószáma az ML modellek számára.
  • Ismerje meg az ML Pipeline összetevőit és a felépítéséhez szükséges eszközöket.
  • Kísérletezzen különböző gépi tanulási keretrendszerekkel és szerverekkel az éles üzembe helyezéshez.
  • Operacionalizálja a teljes Machine Learning folyamatot, hogy reprodukálható és karbantartható legyen.
Olvass tovább...

MLOps for Azure Machine Learning

 14 Órák
Ez az oktató által vezetett, élő (online vagy helyszíni) képzés azoknak a gépi tanulással foglalkozó mérnököknek szól, akik a Azure Machine Learning és Azure DevOps segítségével szeretnék megkönnyíteni a MLOps gyakorlatokat. A képzés végére a résztvevők képesek lesznek:
  • Készítsen reprodukálható munkafolyamatokat és gépi tanulási modelleket.
  • Kezelje a gépi tanulási életciklust.
  • Kövesse nyomon és jelentse a modell verzióelőzményeit, eszközöket és egyebeket.
  • Telepítse a termelésre kész gépi tanulási modelleket bárhol.
Olvass tovább...

Utoljára frissítve:

Vélemények(2)

the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose

Guillaume GAUTIER - OLEA MEDICAL

Kurzus - MLflow

I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.

Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM

Kurzus - Kubeflow

Közelgő kurzusok

Kubeflow on Azure

2025-06-02 09:30
28 Órák
Debrecen
1080 EUR (Online.)
1880 EUR (Tanterem)

MLOps for Azure Machine Learning

2025-06-16 09:30
14 Órák
Budapest, V. kerület
540 EUR (Online.)
940 EUR (Tanterem)

Kubeflow Fundamentals

2025-06-30 09:30
28 Órák
Miskolc, Tapolcafürdő
1080 EUR (Online.)
1880 EUR (Tanterem)

DeepSeek: Advanced Model Optimization and Deployment

2025-07-14 09:30
14 Órák
Szeged, Felső Tisza-Part
540 EUR (Online.)
940 EUR (Tanterem)

Más régiók Magyarország

Más országok

Kurzusaink más országokban is elérhetők

Tanácsadó

MLOps Tanácsadó
Online MLOps courses, Weekend MLOps courses, Evening MLOps training, MLOps boot camp, MLOps instructor-led, Weekend MLOps training, Evening MLOps courses, MLOps coaching, MLOps instructor, MLOps trainer, MLOps training courses, MLOps classes, MLOps on-site, MLOps private courses, MLOps one on one training