AI268

在红帽 OpenShift AI 上开发和部署 AI/ML 应用 - 含考试

概述

课程概述

介绍如何在红帽 OpenShift AI 上开发和部署 AI/ML 应用。

“在红帽 OpenShift AI 上开发和部署 AI/ML 应用”（AI267）课程为学员提供了有关使用红帽 OpenShift 开发和部署 AI/ML 应用的基础知识。本课程通过实训教学来帮助学员培养使用红帽 OpenShift AI 训练、开发和部署机器学习模型所需的核心技能。

本课程基于红帽 OpenShift® 4.16 和红帽 OpenShift AI 2.13。本课程包含红帽认证 OpenShift AI 专家考试（EX267）。

课程内容摘要

  • 红帽 OpenShift AI 简介
  • 数据科学项目
  • Jupyter Notebook
  • 安装红帽 OpenShift AI
  • 用户和资源管理
  • 自定义 Notebook 镜像
  • 机器学习简介
  • 训练模型
  • 使用 RHOAI 来增强模型训练
  • 模型服务简介
  • 红帽 OpenShift AI 中的模型服务
  • 数据科学管道简介
  • 使用管道
  • 控制管道和实验

培训对象

  • 想要使用红帽 OpenShift AI 来构建和训练 ML 模型的数据科学家和 AI 从业者
  • 想要构建和集成依托 AI/ML 技术的应用的开发人员
  • 想要实现 ML 工作流自动化的开发人员、数据科学家和 AI 从业者
  • 负责在红帽 OpenShift AI 上实施 ML 生命周期的 MLOps 工程师

培训推荐

技术注意事项

  • 不提供 ILT 课堂教学

大纲

课程大纲

红帽 OpenShift AI 简介
介绍红帽 OpenShift AI 的主要功能以及红帽 AI 的架构和组件。
数据科学项目
使用数据科学项目、工作台和数据连接来整理代码和配置
Jupyter Notebook
使用 Jupyter Notebook 以交互方式执行和测试代码
安装红帽 OpenShift AI
安装红帽 OpenShift AI 并管理红帽 OpenShift AI 组件
用户和资源管理
管理红帽 OpenShift AI 用户并分配资源
自定义 Notebook 镜像
在红帽 OpenShift AI 中创建并导入自定义 Notebook 镜像
机器学习简介
介绍基本的机器学习概念、不同类型的机器学习和机器学习工作流
训练模型
使用默认和自定义的工作台训练模型
使用 RHOAI 来增强模型训练
使用 RHOAI 来应用机器学习和数据科学中的最佳实践
模型服务简介
介绍导出、共享和服务经过训练的机器学习模型所需的概念和组件
红帽 OpenShift AI 中的模型服务
使用 OpenShift AI 为经过训练的机器学习模型提供服务
数据科学管道简介
定义并设置数据科学管道
使用管道
使用 Kubeflow SDK 和 Elyra 创建数据科学管道
控制管道和实验
利用工件、指标和实验来配置、监控和跟踪管道

成果

企业组织获益

  • 企业组织通常会从多个来源收集和存储大量信息。借助红帽 OpenShift AI 这个平台，企业组织可以利用机器学习和人工智能算法来分析数据、将趋势和模式可视化以及预测未来的业务成果。

个人获益

  • 完成本课程的学习后，您将了解红帽 OpenShift AI 架构的基础。您将能够安装红帽 OpenShift AI、管理资源分配、更新组件以及管理用户及其权限。您还将能够训练、部署和服务模型，包括如何使用红帽 OpenShift AI 来应用机器学习和数据科学中的最佳实践。最后，您将能够使用红帽 OpenShift AI 定义和设置数据科学管道。

下一阶段课程或考试推荐