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 與 ML 的容器化簡介
- 容器化的核心概念
- 為什麼容器適合 ML 負載
- 容器與虛擬機器的主要差異
處理 Docker 映像檔與容器
- 理解映像檔、層級和登錄倉儲
- 管理用於 ML 實驗的容器
- 有效使用 Docker CLI
打包 ML 環境
- 準備容器化的 ML 代碼庫
- 管理 Python 環境和依賴關係
- 整合 CUDA 和 GPU 支援
為機器學習構建 Dockerfile
- 為 ML 專案結構化 Dockerfile
- 性能和可維護性的最佳實踐
- 使用多階段構建
將 ML 模型和管線容器化
- 將訓練好的模型打包進容器
- 管理數據和儲存策略
- 部署可重現的端到端工作流程
運行容器化 ML 服務
- 公開模型推論的 API 端點
- 使用 Docker Compose 擴展服務
- 監控運行時行為
安全性和合規性考量
- 確保安全的容器配置
- 管理存取和憑證
- 處理機密 ML 資產
部署至生產環境
- 將映像檔發佈至容器登錄倉儲
- 在本地或雲端設置中部署容器
- 對生產服務進行版本控制和更新
總結與後續步驟
最低要求
- 了解機器學習工作流程
- 具備 Python 或類似程式語言的經驗
- 熟悉基本 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資料科學家
- 構建可擴展容器化應用程式的 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