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 和 ML 容器化介紹
- 容器化的核心概念
- 為何容器非常適合 ML 工作負載
- 容器與虛擬機器的主要差異
使用 Docker 鏡像和容器
- 理解鏡像、層級和註冊表
- 管理用於 ML 實驗的容器
- 高效使用 Docker CLI
封裝 ML 環境
- 準備適合容器化的 ML 程式碼庫
- 管理 Python 環境和依賴關係
- 整合 CUDA 和 GPU 支援
為機器學習建構 Dockerfile
- 建構適用於 ML 專案的 Dockerfile 結構
- 性能和可維護性的最佳實務
- 使用多階段建構
將 ML 模型和管線容器化
- 將訓練好的模型封裝進容器中
- 管理資料和儲存策略
- 部署可重現的端到端工作流
運行容器化的 ML 服務
- 公開模型推論的 API 端點
- 使用 Docker Compose 擴展服務
- 監控運行時的行為
安全和合規考量
- 確保安全的容器配置
- 管理存取權和憑證
- 處理機密的 ML 資產
部署至生產環境
- 將鏡像發佈至容器註冊表
- 在內部或雲端設定中部署容器
- 版本控管和更新生產服務
總結和下一步
最低要求
- 具備機器學習工作流的知識
- 擁有 Python 或類似程式語言的經驗
- 熟悉基本的 Linux 命令列操作
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
- 建構可擴展容器化應用的 AI 開發人員
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