Docker for MLOps：端到端管線容器化培訓

本培訓由專業講師指導，可線上或線下進行（live training），適合希望提升 Docker 知識、以更大規模部署應用並保持控制的工程師。

完成本培訓後，參與者將能夠：

• 構建自己的 Docker 鏡像。
• 部署和管理大量 Docker 應用。
• 評估不同的容器編排解決方案，並選擇最適合的一種。
• 為 Docker 應用設置持續集成流程。
• 將 Docker 應用與現有的持續工具集成流程整合。
• 確保 Docker 應用的安全性。

此培訓由導師主導, 於 澳門（線上或線下）以 live training 形式進行, 針對具有中到高級經驗、希望透過現代 MLOps實踐提升 DeepSeek模型性能、減少延遲並高效部署 AI解決方案的進階級 AI工程師和數據科學家。

完成本培訓後, 學員將能夠：

• 優化 DeepSeek模型以提升效率、準確性及擴展性。
• 實作 MLOps 及模型版本控制的最佳實踐。
• 在雲端和本地基礎設施上部署 DeepSeek模型。
• 有效監控、維護和擴展 AI解決方案。

Docker 是一個容器化平台，能夠為人工智慧 (AI) 和機器學習 (ML) 工作負載提供一致、可攜且可重現的環境。

這項由講師帶領的現場培訓（線上或線下），針對希望將 ML 程式碼庫、依賴關係和模型使用 Docker 進行封裝，以實現可靠的開發到生產流程的中階專業人員設計。

完成本課程後，學員將能夠：

• 建構和管理適合 AI 和 ML 應用的 Docker 鏡像。
• 容器化機器學習管線、工具和依賴關係。
• 最佳化 Docker 環境的性能和可攜性。
• 在不同運行環境中部署容器化的 ML 服務。

課程格式

• 概念示範輔以引導式討論。
• 專注於真實世界容器化任務的實作練習。
• 使用實境實驗室 Docker 環境進行實作。

課程客製化選項

• 若要為貴組織的環境客製化本培訓，請聯繫我們以安排。

AI 的 CI/CD 是一種結構化方法，利用持續整合和持續交付管線，自動化模型打包、測試、容器化和部署。

這門由導師帶領的實作培訓（線上或下課）旨在協助中級專業人士，使用 Docker 和 CI/CD 平台自動化端到端 AI 模型交付流程。

完成培訓後，學員將能夠：

• 建立用於構建和測試 AI 模型容器的自動化管線。
• 實施版本控制和模型生命週期的可重複性。
• 整合 AI 服務的自動化部署策略。
• 套用針對機器學習運作的 CI/CD 最佳實踐。

課程格式

• 導師引導的簡報與技術討論。
• 實作實驗室和動手實施練習。
• 在受控環境中進行逼真的 CI/CD 工作流程模擬。

課程客製化選項

• 如果您的組織需要自定義管線工作流程或平台整合，請聯繫我們以調整此課程。

認證肯尼伯尼斯管理員 (CKA) 計畫由 Linux 基金會和雲原生計算基金會 (CNCF) 創立。

如今，肯尼伯尼斯已是容器編排領域的首選平台。

NobleProg 自 2015 年起提供 Docker 及肯尼伯尼斯培訓。凭借超過 360 個成功的培訓項目，我們已成為全球該領域最具知名度的培訓公司之一。

自 2019 年以來，我們也幫助客戶通過準備和鼓勵他們通過 CKA 和 CKAD 考試，來確認其在肯尼伯尼斯環境中的表現。

本課程由導師主導的現場或線上實時培訓，旨在幫助系統管理員及肯尼伯尼斯使用者透過通過 CKA 考試來確認其知識。

另一方面，該培訓也側重於獲得肯尼伯尼斯管理方面的實踐經驗，因此我們建議即使您不打算參加 CKA 考試，也應參與此課程。

課程形式

• 互動式講解與討論。
• 大量練習和實作。
• 在實時實驗環境中進行實踐操作。

課程定制選項

• 如需為本課程請求定制培訓，請聯繫我們安排。
• 要了解更多關於 CKA 認證的信息，請訪問：https://training.linuxfoundation.org/certification/certified-kubernetes-administrator-cka

認證的Kubernetes應用程式開發者 (CKAD) 計畫是由Linux基金會以及雲原生計算基金會 (CNCF, Kubernetes的主辦單位) 所制定。 

這項由講師主導的培訓課程可選擇線上或線下進行。旨在協助希望證明自身設計、建置、配置和公開雲端原生應用程式於Kubernetes平台上運行能力的開發人員提升技能。

同時，本次培訓也著重於獲得有關Kubernetes應用開發的實務經驗，因此我們強烈建議您參與，即使您目前並無參加CKAD考試之意願。

NobleProg 自2015年起致力於提供Docker及Kubernetes相關培訓課程。憑藉超過360個成功完成的培訓專案，我們在容器化領域躋身全球最具知名度的培訓公司之列。自2019年起，我們亦協助客戶通過CKAD與CKA考試以證明其在k8s環境中的表現。 

課程格式

• 互動式講授和討論。
• 大量的練習和操作實作。
• 在即時實驗室環境中的手動實作環節。

課程客製化選項

• 如需此課程的客製化培訓，請與我們聯繫安排。
• 欲了解更多關於CKAD資訊，請瀏覽：

本課程採用講師現場授課方式進行澳門（線上或線下），旨在協助希望使用Docker將軟件以容器形式而非傳統獨立應用形式來部署和管理的工程師們。

完成本培訓後，參與者將能夠：

• 安裝並配置Docker。
• 理解並實施軟件容器化。
• 管理基於Docker的應用程序。
• 網絡連接不同的Docker應用與系統。
• 理解和編輯Docker倉庫。

学习如何使用 Docker、Kubernetes 和 OpenShift 构建、部署和管理容器化环境。这五天的实战培训涵盖容器镜像、Kubernetes 工作负载、集群网络、存储、安全、监控以及实用的 OpenShift 管理内容。学员将获得运营现代容器平台及在开发与生产环境中排查应用问题所需的技能。

在本課程中，講師將進行現場培訓（線上或線下）。參與者將學習如何建立及管理 Docker 容器，然後在容器中部署樣本應用程式。參與者還將了解如何在 Kubernetes 叢集中自動化、擴展及管理其容器化應用程式。最後，培訓將涉及更 advanced 的主題，引導參與者完成保護、擴展及監控 Kubernetes 叢集的流程。

參加完本課程後，參與者將能夠：

• 設定並執行 Docker 容器。
• 部署容器化的伺服器及網頁應用程式。
• 建置及管理 Docker 映像檔。
• 設定 Docker 和 Kubernetes 叢集。
• 使用 Kubernetes 部署及管理叢集化的網頁應用程式。
• 保護、擴展及監控 Kubernetes 叢集。

培訓目標：獲得 Docker 和 Kubernetes 的理論和操作技能。

GPU 加速對於以可擴展且高效的方式運行高性能深度學習負載至關重要。

這門由講師主導的實時培訓（線上或線下）針對希望配置、優化並在 Docker 容器內運行 GPU 支持的 AI 負載的中級技術專業人員。

完成此課程後，學員將能夠：

• 構建和運行支持 GPU 的容器以進行訓練和推理。
• 為容器化的 AI 工作流配置 CUDA、驅動程序和運行時庫。
• 優化對 GPU 密集型應用的資源分配和隔離。
• 在生產環境中部署可擴展的容器化深度學習服務。

課程格式

• 互動式教學，輔以實例演示。
• 注重 GPU 支持的開發的練習驅動實踐。
• 在實時實驗室環境中的動手實施。

課程定制選項

• 對於與您的基礎設施或 GPU 堆棧匹配的定制培訓，請聯繫我們進行安排。

混合式 AI 部署是使用統一的容器化工作流程，在雲端、內部部署及邊緣環境中執行 AI 推理的實踐方式。

這門由講師帶領的現場培訓（線上或線下），目標受眾為希望在異質環境中設計和部署分散式 AI 推理系統的高階專業人士。

完成本課程後，參與者將能夠：

• 為多地點環境建立安全且具擴展性的容器化 AI 服務。
• 使用 Docker 將 AI 推理負載部署至雲端、本地伺服器及邊緣裝置。
• 整合協調工具，自動化作業分散式 AI 運行事務。
• 在多樣化的基礎設施上最佳化推理延遲、可靠性與韌性。

課程格式

• 引導式簡報與專家主導的討論。
• 大量的實作練習與應用演練。
• 在受控的實驗室環境中進行真實世界實驗。

課程客製化選項

• 若要針對本課程進行客製化調整，以符合貴組織的基礎設施或使用案例，請聯絡我們。

Kubeflow 是一個開放原始碼平台，旨在簡化在 Kubernetes 上建置、訓練及部署機器學習工作負載的過程。

此為由講師引導的實地培訓（線上或線下），針對希望使用 Kubeflow 建立可靠 ML 工作流的初級至中級專業人士設計。

完成本培訓後，學員將獲得以下技能：

• 瀏覽 Kubeflow 生態系統與核心組件。
• 利用 Kubeflow Pipelines 建立可重現的工作流。
• 在 Kubernetes 上運行具擴展性的訓練任務。
• 使用 Kubeflow Serving 高效部署機器學習模型。

課程格式

• 指導式簡報與協作討論。
• 結合真實 Kubeflow 組件的手實操作練習。
• 實際演練，用於建立端到端 ML 工作流。

課程客製化選項

• 可安排此培訓的客製化版本，以符合您團隊的技術棧與專案需求。

此種由導師主導的現場培訓在 澳門（線上或線下）進行，旨在幫助工程師評估當前可用的方法與工具，從而做出明智決策，確定在其組織內推行 MLOps 的最佳路徑。

完成本課程後，學員將能夠：

• 安裝並配置各種 MLOps 框架和工具。
• 組建具備適當技能的團隊，以構建和支持 MLOps 系統。
• 準備、驗證數據並管理版本，供 ML 模型使用。
• 了解 ML 流程的組成部分及構建所需工具。
• 嘗試不同的機器學習框架和服務器，以進行生產部署。
• 實現整個機器學習流程的運營化，使其具備可複製性和可維護性。

Kubernetes上的MLOps是一種框架，用於透過容器化管道和GitOps工作流程自動執行機器學習模型的訓練、驗證、封裝和部署。

此由導師指導的培訓課程（線上或線下）旨在針對希望建立可擴展且自動化的Kubernetes MLOps管道的中級從業者。

完成本培訓後，學員將能夠：

• 設計機器學習的端到端CI/CD管道。
• 實現用於模型部署和版本控制的GitOps工作流程。
• 自動化ML模型的訓練、測試和封裝。
• 整合監控、警報和回滾策略。

課程形式

• 導師導演的演示和技術深度探討。
• 建立實世界CI/CD工作流程的實作練習。
• 線上實驗室內，將ML工作負載部署至Kubernetes的實踐操作。

課程客製化選項

• 組織可請求與內部MLOps工具和基礎設施一致的自訂內容。