AI267

Developing and Deploying AI/ML Applications on Red Hat OpenShift AI

概要

コースの説明

Red Hat OpenShift AI を使用して、先進的な AI アプリケーションのライフサイクル全体を大規模に運用化します。

Developing and Deploying AI/ML Applications on Red Hat OpenShift AI (AI267) は、先進的な AI アプリケーションのライフサイクル全体を管理するための基礎的な知識を提供します。このコースでは、Red Hat OpenShift AI を使用して予測 AI と生成 AI の両モデルを大規模かつ効率的にトレーニング、テスト、デプロイ、監視するためのコアスキルを習得できます。 

このコースは、Red Hat OpenShift ® 4.18 および Red Hat OpenShift AI 2.25 に基づいています。

学習内容サマリー

  • Red Hat OpenShift AI の概要
  • AI/ML 開発におけるワークベンチの活用
  • モデル提供の基礎
  • 生成 AI モデルと予測 AI モデルの提供
  • AI モデルの監視
  • データサイエンス・パイプラインの概要
  • Kubeflow Pipelines の高度な開発と実験
  • 生成 AI モデルの選定、最適化、評価
  • 生成 AI アプリケーションの構築

コース対象者

  • デプロイメント、自動化、監視など、MLOps/LLMOps ライフサイクルの運用タスクを担当する ML エンジニア。
  • 独自のモデルのトレーニング、デプロイ、追跡を行うデータサイエンティスト。 

推奨されるトレーニング

 学習内容

学習内容 

Red Hat OpenShift AI の概要
Red Hat OpenShift AI が包括的な MLOps および GenAIOps プラットフォームを提供する仕組みと、それを使用してチームでのコラボレーションに向けてデータサイエンス・プロジェクトを構成する方法を理解します。

AI/ML 開発におけるワークベンチの活用
AI/ML 開発用のワークベンチ環境を使用し、それらをデータソースやストアに接続します。

モデル提供の基礎
OpenShift AI のモデル提供機能を使用して、モデルの準備、デプロイ、サービングを行います。

生成 AI モデルと予測 AI モデルの提供
特定のランタイム (予測モデル用の OpenVINO や大規模言語モデル用の vLLM など) を使用して AI モデルをデプロイし、提供します。

AI モデルの監視
TrustyAI および可観測性ツールを使用して、デプロイ済みモデルのバイアス、データドリフト、パフォーマンスを監視し、本番環境において信頼性の高い倫理的な AI パフォーマンスを確保します。 

データサイエンス・パイプラインの概要
Elyra および Kubeflow SDK を使用して、AI/ML の基本的なワークフローを自動化し、基本的なデータサイエンス・パイプラインを作成および管理します。

Kubeflow Pipelines の高度な開発と実験
コンテナコンポーネント、アーティファクト管理、Kubernetes 構成、体系的な実験などの高度なパイプライン機能を実装し、本番環境の MLOps ワークフローに対応します。

生成 AI モデルの選定、最適化、評価
RHOAI のモデルカタログ、圧縮技術、評価フレームワークを使用して、大規模言語モデルを体系的に選定、最適化、評価します。

生成 AI アプリケーションの構築
RAG、エージェント型ワークフロー、信頼性の高い AI プラクティスなど、業界での一般的なパターンを使用して、本番環境で利用可能な生成 AI アプリケーションを構築し、基本的なモデル提供にとどまらず、完成されたインテリジェント・ソリューションを提供します。

 成果

組織への影響

  • 組織では、手作業によるタスクや、特に生成 AI における AI ツールの統合の複雑化によって、データサイエンスの取り組みに遅れが生じがちです。Red Hat OpenShift AI を導入することで、組織は先進的な AI アプリケーションのライフサイクル全体を管理できる統合プラットフォームを活用できるようになります。これにより、予測 AI モデルと生成 AI モデルの両方を大規模かつ効率的にトレーニング、テスト、デプロイ、監視できるようになり、実験段階の取り組みを信頼性の高いビジネス成果へと転換することが可能になります。

個人への影響

  • このコースを受講することで、予測 AI モデルと生成 AI モデルのトレーニング、テスト、デプロイ、監視を大規模かつ効率的に実行し、先進的な AI アプリケーションのライフサイクル全体を管理できるようになります。コラボレーティブなデータサイエンス・プロジェクトの構成方法、ワークベンチ環境の効率的な利用方法、専用リソースの割り当て方法について学習します。受講者は、特定のランタイムを使用して、モデルを準備し、デプロイし、提供します。さらに、高度なデータサイエンス・パイプラインを作成して MLOps ワークフローを自動化し、本番環境で利用可能な生成 AI ソリューションを構築します。最後に、デプロイ済みモデルのバイアスやデータドリフトを監視し、生成 AI アプリケーションに安全防護機能を実装することで信頼性の高い倫理的な AI パフォーマンスを確保します。

推奨される次のコースまたは試験

場所を選択する

詳細はこちら

スキル習得をサポートするさまざまな方法

エキスパートによるバーチャルトレーニングと自習型学習の両方のメリットを活用できるほか、エキスパートによるサポートや認定試験も利用できます。これらはすべて、Red Hat ラーニングサブスクリプションに含まれています。

オンサイトトレーニングをご利用いただけます

ご要望に応じて、お客様の施設内でチーム全体へのトレーニングも実施いたします。対面形式かリモート形式かを選択していただけます。

Red Hat ラーニングサブスクリプション

Red Hat 製品に関する包括的なトレーニングとラーニングパス、業界で認められた認定、柔軟で動的な IT 学習体験。