AI268
在红帽 OpenShift AI 上开发和部署 AI/ML 应用 - 含考试
概述
课程说明
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，帮助学员培养使用红帽 OpenShift AI 来训练、开发和部署机器学习模型的核心技能。
本课程基于红帽 OpenShift® 4.14 和红帽 OpenShift AI 2.8。本课程包含红帽认证 OpenShift AI 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
- 管理用户和资源
- 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
- 工作流自动化简介
- Elyra 管道
- Kubeflow 管道
目标受众
- 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
- 负责在红帽 OpenShift AI 上安装、配置、部署和监控 AI/ML 应用的 MLOps 工程师
培训推荐
- 需要具备 Git 相关经验
- 需要具备 Python 开发经验，或已完成红帽 Python 编程（AD141）课程
- 需要具备红帽 OpenShift 相关经验，或已完成红帽 OpenShift 开发人员二：构建和部署云原生应用（DO288）课程
- 建议具备 AI、数据科学和机器学习领域的基本经验
技术注意事项
- 不提供 ILT 课堂教学
课程大纲
课程大纲
- 红帽 OpenShift AI 简介
- 明确红帽 OpenShift AI 的主要功能，并描述红帽 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
- 使用 Web 控制台和 CLI 安装红帽 OpenShift AI，以及管理红帽 OpenShift AI 组件
- 管理用户和资源
- 管理红帽 OpenShift AI 用户，以及工作台的资源分配
- 自定义 Notebook 镜像
- 创建自定义 Notebook 镜像，并通过红帽 OpenShift AI 控制面板导入自定义 Notebook
- 机器学习简介
- 描述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
- 借助 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
- 数据科学管道的创建、运行、管理和故障排查
- Elyra 管道
- 使用 Elyra 创建数据科学管道
- Kubeflow 管道
- 使用 Kubeflow 管道创建数据科学管道
成果
企业获益
- 企业可以从多个来源收集和存储大量信息。借助红帽 OpenShift AI，企业组织可以拥有一个随时可用的平台，使用机器学习和人工智能算法来分析数据、可视化呈现趋势和模式，并预测未来的业务成果。
个人获益
- 完成本课程后，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，管理用户及其权限。您还将能够训练、部署和服务模型，包括使用红帽 OpenShift AI 来应用机器学习和数据科学中的最佳实践。此外，您将能够的创建、运行和管理数据科学管道并进行故障排查。
