MLOps on Kubernetes：机器学习CI/CD流水线 培训

本课程为讲师引导的培训，在中国（线上或线下）进行，面向具有中高级经验的AI工程师和数据科学家，旨在通过现代MLOps实践，提升DeepSeek模型的性能，减少延迟，并高效部署AI解决方案。

培训结束后，学员将能够：

• 优化DeepSeek模型，提升效率、准确性和可扩展性。
• 实施MLOps和模型版本控制的最佳实践。
• 在云端和本地基础设施上部署DeepSeek模型。
• 有效监控、维护和扩展AI解决方案。

这种以讲师为主导的 中国（在线或现场）实时培训面向希望掌握使用微服务和 Kubernetes 扩展应用程序的高级平台工程师和 DevOps 专业人士。

在培训结束时，参与者将能够：

• 设计和实现可扩展的微服务架构。
• 在 Kubernetes 个集群上部署和管理应用程序。
• 利用 Helm 图表进行高效的服务部署。
• 监视和维护生产中微服务的运行状况。
• 在 Kubernetes 环境中应用安全性和合规性的最佳实践。

Kubernetes是一种广泛用于管理大规模分布式应用的容器编排平台。

本次由讲师指导的培训（线上或线下）面向高级从业者，旨在教授如何应用AI和机器学习技术来优化Kubernetes资源使用、调度决策和自动扩展策略。

在课程结束时，学员将能够：

• 应用AI/ML模型改进Kubernetes中的工作负载调度决策。
• 使用预测分析优化CPU、GPU和内存分配。
• 通过强化学习和指标预测实现智能自动扩展。
• 通过自动化资源优化降低基础设施成本和延迟。

课程形式

• 讲师指导的技术演讲和深入讨论。
• 使用真实Kubernetes集群的动手实验。
• 将AI模型应用于实际操作场景的实践练习。

课程定制选项

• 如需根据您的平台设置或操作需求定制本课程，请联系我们进行定制。

认证 Kubernetes 管理员 （CKA） 计划由 Linux 基金会和云原生计算基金会 （CNCF） 创建。

Kubernetes 是 Nowadys 一个用于容器编排的领先平台。

NobleProg从2015年开始提供Docker和Kubernetes培训。凭借 360 多个 成功完成的培训项目，我们成为全球容器化领域最知名的培训公司之一。

自 2019 年以来，我们还通过准备和鼓励客户通过 CKA 和 CKAD 考试来帮助客户确认他们在 k8s 环境中的表现。

这种由讲师指导的现场培训（在线或现场）面向系统管理员，Kubernetes 希望通过 CKA 考试来确认其知识的用户。

另一方面，培训的重点是获得 Kubernetes 管理方面的实践经验，因此即使您不打算参加 CKA 考试，我们也建议您参加培训。

课程形式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在现场实验室环境中动手实施。

课程自定义选项

• 如需申请本课程的定制培训，请联系我们进行安排。
• 要了解有关CKA认证的更多信息，请访问：https://training.linuxfoundation.org/certification/certified-kubernetes-administrator-cka

Certified Kubernetes Application Developer (CKAD) 项目由 Linux Foundation 和 Kubernetes 的托管方 Cloud Native Computing Foundation (CNCF) 共同开发。

本次由讲师指导的培训（线上或线下）面向希望验证其在 Kubernetes 上设计、构建、配置和暴露云原生应用技能的开发者。

另一方面，培训也侧重于在 Kubernetes 应用开发中获得实践经验，因此即使您不打算参加 CKAD 考试，我们也建议您参与。

NobleProg 自 2015 年起一直在提供 Docker 和 Kubernetes 培训。凭借超过 360 个成功完成的培训项目，我们已成为全球容器化领域最知名的培训公司之一。自 2019 年以来，我们还在帮助客户通过在 k8s 环境中的表现，准备并鼓励他们通过 CKA 和 CKAD 考试。

课程形式

• 互动讲座和讨论。
• 大量练习和实践。
• 在实时实验环境中进行实际操作。

课程定制选项

• 如需为此课程定制培训，请联系我们安排。
• 如需了解更多关于 CKAD 的信息，请访问：https://training.linuxfoundation.org/certification/certified-kubernetes-application-developer-ckad/

DO180课程介绍了容器、Kubernetes基础以及Red Hat OpenShift平台概念，重点关注实践技能。

本课程由讲师指导，提供线上或线下培训，面向初级到中级技术专业人员，旨在帮助学员学习容器工作流、Kubernetes基本概念，以及在OpenShift上部署和操作应用程序。

培训结束后，学员将能够：

• 构建和管理容器镜像及镜像仓库，遵循可重复性和安全性的最佳实践。
• 在OpenShift中部署和管理Kubernetes对象，如pods、deployments和services。
• 使用OpenShift的功能，包括routes、buildconfigs和Web控制台，以简化应用程序交付。
• 为有状态工作负载实现持久存储、配置管理和密钥处理。
• 应用基本安全、RBAC和监控实践，以维护健康的集群和应用程序。

课程形式

• 互动式讲座与讨论。
• 每天在实时OpenShift环境中进行动手实验。
• 场景驱动的练习和故障排除研讨会。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

Docker是一个容器化平台，用于为ML系统构建可重复、可移植和可扩展的环境。

本课程为讲师指导的培训（线上或线下），面向希望使用Docker容器化并操作完整ML管道的中级到高级技术专业人员。

培训结束后，学员将能够：

• 容器化ML训练、验证和推理工作负载。
• 使用Docker和支持工具设计和编排端到端ML管道。
• 为ML组件实现版本控制、可重复性和CI/CD。
• 在容器化环境中部署、监控和扩展ML服务。

课程形式

• 互动讲座，辅以实际演示。
• 专注于构建真实ML管道组件的实践练习。
• 端到端容器化工作流程的实时实验。

课程定制选项

• 如需根据特定ML基础设施需求定制培训，请联系我们讨论选项。

本课程为讲师指导的中国线下或线上培训，旨在帮助工程师使用Helm简化Kubernetes应用的安装和管理流程。

培训结束后，学员将能够：

• 安装和配置Helm。
• 创建可复现的Kubernetes应用构建。
• 将应用共享为Helm图表。
• 运行保存为Helm图表的第三方应用。
• 管理Helm包的发布。

Kubeflow 是一个开源平台，旨在简化在 Kubernetes 上构建、训练和部署机器学习工作负载的过程。

本课程为讲师指导的培训（线上或线下），面向希望使用 Kubeflow 构建可靠机器学习工作流的初级到中级专业人士。

完成本培训后，学员将掌握以下技能：

• 熟悉 Kubeflow 生态系统及其核心组件。
• 使用 Kubeflow Pipelines 构建可重复的工作流。
• 在 Kubernetes 上运行可扩展的训练任务。
• 使用 Kubeflow Serving 高效部署机器学习模型。

课程形式

• 引导式演示与协作讨论。
• 使用真实 Kubeflow 组件的实践操作。
• 构建端到端机器学习工作流的实际练习。

课程定制选项

• 可根据团队的技术栈和项目需求定制本培训内容。

这种以讲师为主导的中国现场培训（现场或远程）面向希望在Kubernetes上构建，部署和管理机器学习工作流的开发人员和数据科学家。

在培训结束时，参与者将能够：

• 在本地和云端安装和配置 Kubeflow。
• 基于 Docker 个容器和 Kubernetes 构建、部署和管理 ML 工作流。
• 在不同的架构和云环境中运行整个机器学习管道。
• 使用 Kubeflow 生成和管理 Jupyter 笔记本。
• 跨多个平台构建 ML 训练、超参数调优并为工作负载提供服务。

这种以讲师为主导的 中国（在线或现场）现场培训面向希望学习如何使用 Minikube 设置和管理本地 Kubernetes 环境的初级到中级软件开发人员和 DevOps 专业人士。

在培训结束时，参与者将能够：

• 在本地计算机上安装和配置 Minikube。
• 了解 Kubernetes 的基本概念和架构。
• 使用 kubectl 和 Minikube 仪表板部署和管理容器。
• 为 Kubernetes 设置持久性存储和网络解决方案。
• 利用 Minikube 开发、测试和调试应用程序。

这种以讲师为主导的中国（在线或现场）现场培训面向希望将 Minikube 作为其开发工作流程一部分的中级开发人员和 DevOps 工程师。

在培训结束时，参与者将能够：

• 使用 Minikube 设置和管理本地 Kubernetes 环境。
• 了解如何在 Minikube 上部署、管理和调试应用程序。
• 将 Minikube 集成到其持续集成和部署管道中。
• 使用 Minikube 的高级功能优化他们的开发流程。
• 将最佳实践应用于本地 Kubernetes 开发。

本次由讲师指导的培训在中国（线上或线下）面向希望评估当前可用方法和工具的工程师，以便在组织内采用MLOps时做出明智的决策。

通过本次培训，参与者将能够：

• 安装和配置各种MLOps框架和工具。
• 组建具备正确技能的团队，以构建和支持MLOps系统。
• 准备、验证和版本化数据以供ML模型使用。
• 了解ML管道的组件及其所需的工具。
• 实验不同的机器学习框架和服务器，以部署到生产环境。
• 将整个机器学习过程操作化，使其可重现和可维护。

本课程为讲师指导的线下或线上培训，面向希望使用Azure Machine Learning和Azure DevOps来推动MLOps实践的机器学习工程师。

通过本培训，参与者将能够：

• 构建可重复的工作流和机器学习模型。
• 管理机器学习生命周期。
• 跟踪和报告模型版本历史、资产等。
• 在任何地方部署生产就绪的机器学习模型。