感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
AI 及 ML 容器化入門
- 容器化的核心概念
- 為何容器是 ML 工作負載的理想選擇
- 容器與虛擬機器的主要差異
使用 Docker 映像與容器
- 理解映像、層及倉庫
- 管理用於 ML 實驗的容器
- 高效使用 Docker CLI
封裝 ML 環境
- 為容器化準備 ML 程式碼庫
- 管理 Python 環境及依賴項
- 整合 CUDA 及 GPU 支援
構建機器學習的 Dockerfile
- 為 ML 項目結構化 Dockerfile
- 提升效能與可維護性的最佳實踐
- 使用多階段構建
容器化 ML 模型與管線
- 將訓練好的模型封裝至容器中
- 管理數據與存儲策略
- 部署可重現的端到端工作流
運行容器化 ML 服務
- 為模型推論公開 API 端點
- 使用 Docker Compose 擴展服務
- 監控運行時行為
安全性與合規性考量
- 確保安全的容器配置
- 管理訪問權限與憑證
- 處理機密的 ML 資產
部署至生產環境
- 將映像發布至容器倉庫
- 在本地或雲端環境中部署容器
- 生產服務的版本管理及更新
總結與後續步驟
最低要求
- 對機器學習工作流的理解
- 具備 Python 或類似程式語言的經驗
- 熟悉基本的 Linux 命令列操作
目標受眾
- 將模型部署至生產環境的 ML 工程師
- 管理可重現實驗環境的數據科學家
- 構建可擴展容器化應用的 AI 開發者
14 小時
客戶評論 (3)
培訓師如何如此有效地傳授知識
Vu Thoai Le - Reply Polska sp. z o. o.
課程 - Certified Kubernetes Administrator (CKA) - exam preparation
機器翻譯
培訓師知識淵博,耐心地向我們分享了很多內容
Bogdan Olaru
課程 - Introduction to Docker
機器翻譯
與Augustin的知識交流
Laurent - L'Office national des vacances annuelles (ONVA)
課程 - Docker and Kubernetes
機器翻譯