Wprowadzenie do OpenShift AI dla nauki o danych i MLOps

Organizacje szybko wdrażają SI, ale przeniesienie modeli uczenia maszynowego z etapu rozwoju do produkcji wymaga ustrukturyzowanej, skalowalnej platformy. OpenShift AI zapewnia niezbędne narzędzia do efektywnego budowania, szkolenia, wdrażania i monitorowania modeli w skali. W tym kursie tekstowym przejdziesz od zrozumienia podstawowych pojęć z zakresu nauki o danych do zarządzania przepływami pracy MLOps w pełnym cyklu życia. Zdobędziesz umiejętności poruszania się po notebookach Jupyter, konfigurowania potoków danych i obsługi modeli dla rzeczywistych aplikacji. Czego się nauczysz: 1. Poznaj podstawową architekturę OpenShift AI i jej rolę w nowoczesnych MLOps. 2. Uruchom i skonfiguruj środowiska notebooków Jupyter do wspólnej nauki o danych. 3. Twórz i automatyzuj potoki danych, aby usprawnić szkolenie i walidację modeli. 4. Wdrażaj wyszkolone modele uczenia maszynowego jako skalowalne interfejsy API do integracji aplikacji. 5. Zastosuj nowoczesne najlepsze praktyki MLOps, w tym monitorowanie modelu i kontrolę wersji. 6. Zintegruj bazy danych wektorowych i modele podstawowe, aby wspierać przepływy pracy generowania rozszerzonego pobierania (RAG). Kurs zaczyna się od podstawowych koncepcji nauki o danych w chmurze, zanim przeprowadzi Cię przez praktyczne, tekstowe przewodniki po konfiguracji obszaru roboczego, tworzeniu potoków i wdrażaniu modeli. Dowiesz się dzięki jasnym wyjaśnieniom i uporządkowanym przykładom konfiguracji zaprojektowanym do natychmiastowego zastosowania. Ten kurs jest przeznaczony dla początkujących naukowców zajmujących się danymi, inżynierów DevOps i specjalistów IT, którzy są nowi w OpenShift AI, bez wcześniejszego doświadczenia z wymaganą orkiestrą kontenerów. Zacznij naukę już dziś i odblokuj moc operacji uczenia maszynowego w chmurze.