AI267
在红帽 OpenShift AI 上开发和部署 AI/ML 应用
概述
相关优惠
该课程是在红帽 OpenShift AI 上开发和部署 AI/ML 应用-考试型课程 (AI268) 的一部分。从即日起至 2024 年 9 月 30 日，该打包课程可享受当地建议零售价 15% 的优惠。单击“开始”从打包课程页面结账，然后选择课程和考试以接收此优惠。将在结帐时对符合条件产品的当地建议零售价应用折扣。此优惠不得与其他优惠或折扣同时使用。
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。
注：本课程以为期 3 天的实体课程或为期 4 天的虚拟课程形式提供，也可自定进度。课程持续时间可能会因授课形式而异。如需了解完整的课程详细信息、课程安排和定价，请选择您所在的地点，然后从右侧菜单中选择“开始”。
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
课程培训对象
- 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
- 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
自定义模型服务器
使用自定义模型服务运行时来部署和服务机器学习模型
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 SDK 创建数据科学管道
成果
企业组织获益
- 企业组织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。
