在 Kubernetes 上實施 MLOps：機器學習的 CI/CD 管線培訓

本課程為講師指導的即時培訓 台灣（線上或線下），針對具備中至高階經驗的高階 AI 工程師和數據科學家，旨在協助參與者提升 DeepSeek 模型效能、降低延遲，並利用現代 MLOps 實踐高效部署 AI 解決方案。

完成本培訓後，參與者將能夠：

• 最佳化 DeepSeek 模型，提升效率、準確性與可擴展性。
• 實施 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、維護並擴展 AI 解決方案。

此課程由講師親自帶領並進行實戰教學，在[loc]線上或線下[/loc]進行，主要針對希望掌握利用微服務和Kubernetes擴展應用程式的高級平台工程師及DevOps專業人士設計。

完成本培訓後，學員將能夠：

• 設計和實施可擴展的微服務架構。
• 在Kubernetes叢集上部署和管理應用程式。
• 利用Helm圖表高效地部署服務。
• 監控並維護生產環境中微服務的運行狀況。
• 在Kubernetes環境中應用安全與合規的最佳實踐。

Kubernetes是一個容器調度平台，廣泛用於管理大規模分佈式應用程序。

本課程為由講師現場指導的實時培訓（線上或線下），面向希望運用AI和機器學習技術來優化Kubernetes資源使用、排程決策以及自動縮放策略的高級從業者。

完成此課程後，學員將能夠：

• 應用AI/ML模型來改進Kubernetes中的工作負載排程決策。
• 使用預測分析來優化CPU、GPU及記憶體配置。
• 運用強化學習和指標預報實施智能自動縮放。
• 透過自動化資源優化降低基礎設施成本和延遲。

課程形式

• 由講師引導的技術講解與深度討論。
• 使用真實Kubernetes叢集的實作實驗。
• 將AI模型應用於實際運營場景的實務練習。

課程客製化選項

• 若要根據您的平台設置或運營需求定制本課程，請聯繫我們以獲取客製化服務。

Certified Kubernetes Administrator (CKA) 計畫由 Linux 基金會和 Cloud Native Computing Foundation (CNCF) 共同創立。

Kubernetes 如今已是容器編排領域的領先平台。

NobleProg 自 2015 年起提供 Docker 與 Kubernetes 培訓。凭借超過 360 個成功完成的培訓項目，我們已成為全球容器化領域中最知名的培訓公司之一。

自 2019 年以來，我們還協助客戶通過準備和鼓勵他們通過 CKA 和 CKAD 考試，來證明其在 Kubernetes 環境中的表現。

這種由講師引導的現場培訓（線上或線下）旨在幫助希望通過 CKA 考試來確認自身知識的管理員和 Kubernetes 用戶。

另一方面，培訓還著重於獲得 Kubernetes 管理的實踐經驗。因此，即使您不打算參加 CKA 考試，我們也建議您參與其中。

課程格式

• 互動式講授和討論。
• 大量的練習和操作。
• 在實操實驗室環境中進行實戰實施。

課程定制選項

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

認證的Kubernetes應用開發人員 (CKAD) 項目已由Linux基金會及Kubernetes的主機Cloud Native Computing Foundation (CNCF) 制定。

此種由講師指導的實時培訓課程（線上或線下）旨在幫助那些希望確認其在Kubernetes上設計、構建、配置和暴露雲原生應用技能方面的開發人員。

另一方面，該培訓也着重於在Kubernetes應用開發方面獲得實踐經驗，因此我們建議即使你沒有打算參加CKAD考試，也請參與進來。

NobleProg 自2015年起一直在提供Docker和Kubernetes培訓。通過完成超過360個培訓項目，我們成為該領域中最知名的培訓公司之一。自2019年以來，我們還通過準備並鼓勵客戶參加CKA和CKAD考試來幫助他們確認其在k8s環境中的表現。

課程格式

• 互動式講解和討論。
• 大量的練習與實踐。
• 在實時實驗室環境中進行動手實施。

課程定制選項

• 如需為此課程請求定制培訓，請聯繫我們安排。
• 要了解有關CKAD的更多詳情，請訪問：https://training.linuxfoundation.org/certification/certified-kubernetes-application-developer-ckad/

此課程為在 台灣（線上或線下）進行的教練指導培訓，目標受眾為希望準備 CKS 考試的 Kubernetes 從業者。

完成此培訓後，參與者將了解如何在應用程式生命週期的不同階段（建構、部署和運行時）確保 Kubernetes 環境和基於容器的應用程式的安全。

這項為期7天的課程提供了一個全面且實作的旅程，讓您學習使用現代 DevOps 實務來設計、部署和運作雲端原生應用程式。

參加者將探索如何設計可擴展的微服務架構，最佳化容器環境，並使用 Kubernetes 管理生產負載。課程涵蓋先進的部署策略、基於 GitOps 的自動化以及可觀察性實務，以確保系統的可靠性和效能。

重點放在真實世界的運作挑戰上，包括事件回應、故障模擬和根本原因分析。課程最後使用 AI 驅動的工具來支援排錯並加速運作決策。

培訓結束時，參加者將清楚了解如何在基於 Kubernetes 的環境中建立、部署、監控和維護具有韌性的分散式系統。

在針對開發人員、DevOps 工程師和 IT 專業人員設計的實用、手動操作培訓中，學習容器、Kubernetes 和 OpenShift 的基本原理。學員將學習如何建立容器化應用程式、部署工作負載、管理 Kubernetes 資源，並使用 OpenShift 簡化雲端和混合環境中的現代應用程式交付。

Docker 是一個容器化平台，用於建構可重複使用、便攜且具擴展性的 ML 系統環境。

本課程由講師親自指導，提供線上或線下培訓形式，主要針對希望將完整 ML 管線進行容器化和運作的初級至中高級技術專業人士。

完成培訓後，學員能夠：

• 對 ML 訓練、驗證與推論工作負載進行容器化。
• 設計並協調使用 Docker 及支援工具的端到端 ML 管線。
• 為 ML 元件實作版本控制、可重複性以及 CI/CD。
• 在容器化環境中部署、監控和擴展 ML 服務。

課程形式

• 互動式講座，輔以實務示範。
• 專注於建構真實 ML 管線元件的實作練習。
• 端到端容器化工作流的實境實驗室實作。

課程客製化選項

• 如需針對特定 ML 基礎設施需求的客製化培訓，請聯絡我們討論選項。

此課程為講師指導的實體或線上培訓，對象為希望利用 Helm 簡化 Kubernetes 應用程式安裝與管理流程的工程師。

完成本課程後，參與者將能夠：

• 安裝並配置 Helm。
• 建立可重現的 Kubernetes 應用程式建置。
• 將應用程式以 Helm Chart 形式分享。
• 執行儲存為 Helm Chart 的第三方應用程式。
• 管理 Helm 套件的上架與版本。

Kubeflow 是一個開源平台，旨在簡化在 Kubernetes 上建構、訓練和部署機器學習工作負載的流程。

這門由講師指導的實訓課程（線上或線下）適用於初級至中級專業人士，他們希望利用 Kubeflow 建立可靠的 ML 工作流程。

完成培訓後，參訓者將獲得以下技能：

• 導覽 Kubeflow 生態系統及其核心組件。
• 使用 Kubeflow Pipelines 建立可重現的工作流程。
• 在 Kubernetes 上執行可擴展的訓練作業。
• 高效地使用 Kubeflow Serving 部署機器學習模型。

課程格式

• 指導性講解與協作討論。
• 透過實際 Kubeflow 組件進行實戰練習。
• 實務演練，建構端到端 ML 工作流程。

課程客製化選項

• 可安排客製化的培訓版本，以符合您團隊的技術堆疊與專案需求。

此培訓由導師親自授課，並以直播形式進行 台灣 (線上或線下)。對象為初級至中級的軟體開發人員與 DevOps 專業人士。他們希望學習如何使用 Minikube 建立並管理本機端的 Kubernetes 環境。

完成本課程後，學員將能夠：

• 在本機端安裝與設定 Minikube。
• 理解 Kubernetes 的基本概念與架構。
• 使用 kubectl 和 Minikube 儀表板部署及管理容器。
• 為 Kubernetes 建立持久性儲存網路解決方案。
• 利用 Minikube 開發、測試及除錯應用程式。

這項於 台灣（線上或線下）舉辦的導師主導實時培訓，旨在幫助中級開發者和 DevOps 工程師將 Minikube 整合至其開發工作流程中。

完成本課程後，參與者能夠：

• 使用 Minikube 設定和管理本地 Kubernetes 環境。
• 了解如何在 Minikube 上部署、管理及除錯應用程式。
• 將 Minikube 整合至持續整合與持續部署流程。
• 運用 Minikube 的高階功能優化開發流程。
• 實施本地 Kubernetes 開發的最佳實踐。

此種由講師引導的即時培訓在 台灣（線上或線下）進行，旨在協助工程師評估現有的方法與工具，從而為組織採用 MLOps 做出明智決策。

培訓結束後，參與者將能夠：

• 安裝及設定各種 MLOps 框架和工具。
• 組建具備適當技能團隊，以構建並支援 MLOps 系統。
• 準備、驗證資料，並為 ML 模型建立版本管理。
• 理解 ML 管線的組件及其所需工具。
• 透過不同的機器學習框架與伺服器進行生產環境部署實驗。
• 使整個機器學習流程具備可復現性與可維護性，實現營運化。