Curso Developing and Deploying AI/ML Applications on Red Hat OpenShift AI (AI267)
CAS TrainingCurso online
Precio a consultar
Curso de desarrollo orientado al uso de Red Hat OpenShift AI para gestionar el ciclo de vida de proyectos de inteligencia artificial y machine learning. A través de Lectiva.com podrás acceder a esta formación y aprender a instalar y configurar OpenShift AI, gestionar recursos y trabajar con modelos de IA y ML mediante Jupyter Notebooks.
También conocerás herramientas para automatizar workflows, como Elyra y Kubeflow Pipelines, y aprenderás a estructurar procesos de entrenamiento y desarrollo de modelos en entornos basados en OpenShift.
Al finalizar, contarás con una base práctica para trabajar con OpenShift AI y gestionar flujos de trabajo relacionados con el desarrollo y despliegue de soluciones de inteligencia artificial y machine learning.
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Requisitos
• Tener experiencia en Git. • Tener experiencia en el desarrollo de Python o haber realizado el curso Python Programming with Red Hat (AD141). • Tener experiencia en Red Hat OpenShift o haber realizado el curso Red Hat OpenShift Developer II: Building and Deploying Cloud-native Applications (DO288). • Es recomendable tener experiencia básica en los campos de la inteligencia artificial, el análisis de datos y el machine learning.
Temario completo de este curso
• Módulo 1: Introducción a Red Hat OpenShift AI
• Identificar las funciones principales de Red Hat OpenShift AI y describir la arquitectura y los elementos de Red Hat AI.
• Módulo 2: Proyectos de análisis de datos
• Organizar el código y la configuración mediante el uso de proyectos de análisis de datos, entornos de trabajo y conexiones de datos.
• Módulo 3: Jupyter Notebooks
• Usar Jupyter Notebooks para ejecutar y probar el código de forma interactiva.
• Módulo 4: Instalación de Red Hat OpenShift AI
• Instalar Red Hat OpenShift AI con la consola web y la CLI, y gestionar sus elementos.
• Módulo 5: Gestión de usuarios y recursos
• Administrar los usuarios de Red Hat OpenShift AI y asignar los recursos destinados a los entornos de trabajo.
• Módulo 6: Imágenes de notebooks personalizados
• Crear imágenes de los notebooks personalizados e importar uno a través del panel de Red Hat OpenShift AI.
• Módulo 7: Introducción al machine learning
• Describir los conceptos básicos del machine learning, sus diferentes tipos y sus flujos de trabajo.
• Módulo 8: Entrenamiento de modelos
• Entrenar modelos mediante el uso de entornos de trabajo predeterminados y personalizados.
• Módulo 9: Mejora del entrenamiento de modelos con RHOAI
• Usar Red Hat OpenShift AI (RHOAI) para aplicar las prácticas recomendadas del machine learning y el análisis de datos.
• Módulo 10: Introducción a la distribución de modelos
• Describir los conceptos y los elementos que se necesitan para exportar, compartir y ofrecer modelos de machine learning entrenados.
• Módulo 11: Distribución de modelos en Red Hat OpenShift AI
• Ofrecer modelos de machine learning entrenados con OpenShift AI.
• Módulo 12: Servidores de modelos personalizados
• Implementar y ofrecer modelos de machine learning usando tiempos de ejecución personalizados para la distribución de los modelos.
• Módulo 13: Introducción a la automatización de los flujos de trabajo
• Crear, ejecutar y gestionar los canales de análisis de datos, y resolver sus problemas.
• Módulo 14: Elyra Pipelines
• Crear un canal de análisis de datos con Elyra.
• Módulo 15: KubeFlow Pipelines
• Crear un canal de análisis de datos con KubeFlow SDK.
3.950 € 2.400 €
Precio a consultar
Precio a consultar
Precio a consultar
7.750 € 3.643 €