感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
AI与ML容器化简介
- 容器化的核心概念。
- 容器为何适合ML工作负载。
- 容器与虚拟机的关键区别。
使用Docker镜像与容器
- 理解镜像、层和仓库。
- 管理用于ML实验的容器。
- 高效使用Docker CLI。
打包ML环境
- 准备ML代码库以进行容器化。
- 管理Python环境和依赖项。
- 集成CUDA和GPU支持。
为机器学习构建Dockerfile
- 为ML项目构建Dockerfile。
- 性能与可维护性的最佳实践。
- 使用多阶段构建。
容器化ML模型与管道
- 将训练好的模型打包到容器中。
- 管理数据和存储策略。
- 部署可复现的端到端工作流程。
运行容器化的ML服务
- 为模型推理暴露API端点。
- 使用Docker Compose扩展服务。
- 监控运行时行为。
安全与合规性考虑
- 确保容器的安全配置。
- 管理访问权限和凭据。
- 处理机密的ML资产。
部署到生产环境
- 将镜像发布到容器仓库。
- 在本地或云环境中部署容器。
- 版本控制与更新生产服务。
总结与后续步骤
要求
- 了解机器学习工作流程。
- 具备Python或类似编程语言的经验。
- 熟悉基本的Linux命令行操作。
目标受众
- 将模型部署到生产的ML工程师。
- 管理可复现实验环境的数据科学家。
- 构建可扩展容器化应用程序的AI开发者。
14 小时
客户评论 (5)
OC is new to us and we learnt alot and the labs were excellent
sharkey dollie
课程 - OpenShift 4 for Administrators
Very informative and to the point. Hands on pratice
Gil Matias - FINEOS
课程 - Introduction to Docker
Labs and technical discussions.
Dinesh Panchal - AXA XL
课程 - Advanced Docker
It gave a good grounding for Docker and Kubernetes.
Stephen Dowdeswell - Global Knowledge Networks UK
课程 - Docker (introducing Kubernetes)
I mostly enjoyed the knowledge of the trainer.