AI500

Descripción del curso

Descubre las posibilidades de MLOps mediante la cultura y las prácticas abiertas comprobadas que utiliza Red Hat para respaldar la innovación de sus clientes.

• MLOps Practices with Red Hat OpenShift AI (AI500) es una clase intensiva de cinco días que ofrece a los asistentes la oportunidad de probar e implementar un proceso de adopción de MLOps exitoso. Mientras que muchos programas de capacitación en inteligencia artificial o análisis de datos se centran en un marco o una tecnología en particular, este curso aborda la manera en que las mejores herramientas open source se integran en un flujo de trabajo completo de MLOps. Combina el descubrimiento, el entrenamiento y la distribución constantes en una experiencia muy interesante que simula casos de machine learning (aprendizaje automático) reales.
• Para cumplir con los objetivos, los participantes deben desempeñar distintas funciones de toda la empresa. Los analistas de datos, los ingenieros de machine learning y de plataformas, los arquitectos y los propietarios de productos adquirirán experiencia trabajando fuera de sus entornos tradicionales. La rutina diaria simula un equipo de distribución real, donde los equipos interdisciplinarios descubren el modo en que el trabajo colaborativo genera innovaciones. Con las prácticas recomendadas y las experiencias compartidas, pueden aplicar lo aprendido para que la cultura y la misión de la empresa tengan éxito en la búsqueda de nuevos proyectos y procesos mejorados.
• Este curso se basa en Red Hat OpenShift AI, Red Hat OpenShift GitOps y la inteligencia artificial predictiva.

Resumen del contenido del curso

• El curso abarca todos los aspectos de un caso práctico de una aplicación inteligente predictiva, desde el nacimiento de la idea de la aplicación hasta las pruebas internas y su producción, mientras reúne a personas con distintos perfiles para que colaboren en una sola plataforma de manera sencilla.
• El curso combina las prácticas culturales y técnicas en una experiencia única y muy interesante, repleta de aplicaciones reales. Aprenderás las prácticas de MLOps y la manera en que se complementan entre sí para mejorar la coordinación del equipo y la eficiencia de la distribución.
• La mayoría de los cursos sobre inteligencia artificial se centran en un marco o una tecnología en particular. En cambio, este curso incluye las mejores herramientas open source para que puedas combinarlas con el fin de diseñar, implementar y mantener modelos de inteligencia artificial en producción de manera confiable y eficiente.

Público destinatario

En esta experiencia, descubrirás que personas con distintas funciones deben aprender a compartir, colaborar y trabajar para alcanzar un objetivo común, obtener resultados positivos e impulsar la innovación.

En particular, está pensado para los siguientes destinatarios:

• Usuarios de plataformas de MLOps: analistas e ingenieros de datos y desarrolladores de aplicaciones.
• Proveedores de plataformas de MLOps: ingenieros de machine learning, de MLOps y de plataformas.
• Partes interesadas de plataformas de MLOps: arquitectos y gerentes de TI.

El caso incorpora aspectos técnicos del trabajo con sistemas de machine learning y ofrece información práctica sobre la manera en que estas funciones adaptan sus iniciativas.

Aprenderás a ofrecer valor a tus clientes de forma permanente agilizando la implementación de nuevos modelos en el mercado. Nuestros instructores compartirán las experiencias y las prácticas recomendadas que aprendieron al trabajar directamente con los clientes cuando prestaron servicios de Red Hat.

Requisitos previos para el curso

• Realiza una evaluación sin costo para determinar si esta oferta es la más conveniente en función de tus habilidades.
• Se recomienda haber realizado el curso Containers, Kubernetes and Red Hat OpenShift Technical Overview (DO080) o tener conocimientos básicos sobre OpenShift o Kubernetes y los contenedores.
• Se recomienda tener conocimientos generales sobre inteligencia artificial o Red Hat AI Foundations.

Descripción del curso

Concepto de MLOps

Propón ideas y analiza los principios, las prácticas y los elementos culturales que conforman un modelo de MLOps para desarrollar e implementar modelos de machine learning.

Ciclo interno

Familiarízate con las herramientas necesarias para probar y diseñar nuestro modelo para crear un entorno de trabajo, analizar el conjunto de datos, comenzar a hacer un seguimiento de las pruebas e implementar los modelos.

Canales de entrenamiento

Automatiza los pasos anteriores llevar a la fase de producción el entrenamiento de modelos.

Ciclo externo

Descubre MLOps con un conjunto de prácticas que automatizan y simplifican los flujos de trabajo y las implementaciones de machine learning.
Crearemos nuestro entorno de MLOps donde se ejecutarán el canal de entrenamiento permanente, la implementación automatizada y las herramientas necesarias.

Supervisión

Los modelos de machine learning pueden verse afectados por diversos factores, como las modificaciones en los patrones de datos, los cambios en el comportamiento de los usuarios y la evolución de las condiciones externas. Al implementar la supervisión permanente, podrás identificar estos cambios de manera preventiva, evaluar su impacto en la precisión del modelo y realizar los ajustes necesarios para mantener un rendimiento óptimo.

Control de versiones de datos

Mejora la capacidad de rastreo al implementar el control de versiones de los conjuntos de datos a medida que cambian con el tiempo.

Implementaciones avanzadas

Gestiona correctamente el procesamiento previo y posterior de los datos y las predicciones, explora el ajuste automático para administrar las cargas e introduce patrones de implementación avanzados, como canary y azul-verde, para garantizar que los modelos se implementen de manera segura y sin inconvenientes.

Almacenes de caracterísiticas

Descubre los métodos sólidos de manejar las características de los datos y sus cambios, así como de garantizar que sean las mismas durante el entrenamiento y la puesta en funcionamiento.

Seguridad

Implementa medidas de seguridad automatizadas para cumplir con las prácticas de la empresa y aplícalas a los modelos.

Impacto a nivel empresarial

• Muchas empresas observan que su estructura actual y sus enfoques de machine learning no están preparados para ofrecer resultados de transformación basados en inteligencia artificial: una implementación más rápida de los modelos, la mejora permanente gracias a los ciclos de retroalimentación y las soluciones que se adaptan a las necesidades de los usuarios. Para alcanzar estos objetivos, deben adoptar los principios y los métodos de MLOps y ponerlos en práctica, integrando la colaboración, la automatización y la gestión del ciclo de vida en sus flujos de trabajo de inteligencia artificial.
• En este curso, se presentan los principios y las prácticas modernas reales de la cultura de MLOps. Desarrollarás un modelo de machine learning predictivo con Red Hat OpenShift, Red Hat OpenShift AI y otras técnicas, herramientas y sistemas de software de MLOps estándares del sector. Al finalizarlo, podrás aplicar los principios de MLOps y utilizar las soluciones open source para impulsar y liderar las iniciativas de transformación de la inteligencia artificial en tu empresa.

Impacto a nivel individual

Al realizar este curso, descubrirás la cultura de MLOps, conocerás sus prácticas y aplicarás lo que aprendiste para llevar un modelo de machine learning a la etapa de producción. Después de completarlo, podrás:

• aplicar los principios de MLOps para optimizar el desarrollo y la implementación de los modelos de machine learning;
• obtener experiencia práctica con las herramientas y los procesos modernos durante todo el ciclo de vida, desde el desarrollo del ciclo interno hasta las operaciones del ciclo externo;
• mejorar tus habilidades en los métodos de escritura de código gracias a los estilos de programación en parejas y en grupos.