AI500

Descrição do curso

Experimente as possibilidades do MLOps com práticas e cultura open source comprovadas, usadas pela Red Hat para oferecer suporte à inovação do cliente.

• O MLOps Practices with Red Hat OpenShift AI (AI500) é um curso imersivo de cinco dias que oferece aos participantes a oportunidade de vivenciar e implementar uma jornada bem-sucedida de adoção de MLOps. Muitos programas de treinamento em IA ou ciência de dados se concentram em um determinado framework ou tecnologia, mas este curso mostra como as melhores ferramentas open source se encaixam em um fluxo de trabalho completo de MLOps. Ele combina descoberta, treinamento e entrega contínuos em uma experiência altamente envolvente que simula cenários reais de machine learning.
• Para atingir os objetivos de aprendizagem, os participantes devem incluir pessoas com funções diferentes na organização. Cientistas de dados, engenheiros de machine learning, engenheiros de plataforma, arquitetos e product onwers ganharão experiência trabalhando além dos silos tradicionais. A rotina diária simula uma equipe de entrega do mundo real, na qual equipes multifuncionais aprendem como a colaboração gera inovação. Com as experiências compartilhadas e as práticas recomendadas, a equipe pode aplicar o que aprendeu para a cultura e a missão da empresa darem certo, com o objetivo de buscar novos projetos e processos aprimorados.
• Este curso é baseado no Red Hat OpenShift AI, no Red Hat OpenShift GitOps e na IA preditiva

Resumo do conteúdo do curso

• Este curso abrange a jornada completa de um caso de uso de aplicação inteligente preditiva, da ideia à experimentação interna e produção, enquanto reúne diferentes personas para colaborar de forma simplificada em uma única plataforma.
• Este curso combina práticas culturais e técnicas em uma experiência única e altamente envolvente, repleta de aplicações reais. Você aprenderá as práticas de MLOps e como elas se complementam para melhorar o alinhamento da equipe e a eficiência da entrega.
• A maior parte do treinamento em IA se concentra em um determinado framework ou tecnologia. Este curso combina as melhores ferramentas open source enquanto oferece a experiência de como elas se combinam para criar, implantar e manter modelos de IA em produção com confiança e eficiência.

Público-alvo

Essa experiência demonstra como indivíduos em diferentes funções devem aprender a compartilhar, colaborar e trabalhar em prol de um objetivo comum para alcançar resultados positivos e impulsionar a inovação.

Ela é importante principalmente para:

• Usuários de plataformas MLOps: cientistas e engenheiros de dados e desenvolvedores de aplicações.
• Provedores de plataforma MLOps: engenheiros de machine learning, de MLOps e de plataforma.
• Stakeholders da plataforma MLOps: arquitetos e gerentes de TI.

O cenário incorpora aspectos técnicos do trabalho com sistemas de machine learning, oferecendo insights práticos sobre como essas pessoas podem alinhar seus esforços.

Você aprenderá como agregar valor continuamente aos clientes acelerando a implantação de novos modelos no mercado. Nossos instrutores compartilharão experiências e práticas recomendadas aprendidas no contato direto com os clientes durante a prestação de serviços da Red Hat.

Pré-requisitos do curso

• Faça nossa avaliação gratuita para saber se esta é a melhor opção para as suas habilidades.
• Containers, Kubernetes and Red Hat OpenShift Technical Overview (DO080) ou ter conhecimento básico sobre OpenShift/Kubernetes e containers é útil
• Ter conhecimento avançado sobre IA ouRed Hat AI Foundationsé vantajoso

Tópicos do curso

O que é MLOps?

Discuta e explore quais princípios, práticas e elementos culturais compõem um modelo de MLOps para desenvolvimentos e implantações de modelos de ML.

Processo interno

Conheça as ferramentas necessárias para experimentar e criar nosso modelo. Criaremos um workbench, exploraremos o conjunto de dados, começaremos a acompanhar nossos experimentos e implantaremos nossos modelos.

Pipelines de treinamento

Faça a transição para a automação das etapas anteriores para preparar nosso treinamento de modelo para a produção.

Processo externo

Introdução ao MLOps: um conjunto de práticas que automatizam e simplificam implantações e fluxos de trabalho de machine learning.
Criaremos nosso ambiente de MLOps no qual o pipeline de treinamento contínuo, a implantação automatizada e as ferramentas de suporte serão executados.

Monitoramento

Os modelos de machine learning podem ser influenciados por vários fatores, incluindo mudanças nos padrões de dados, mudanças no comportamento do usuário e evolução das condições externas. Ao implementar o monitoramento contínuo, identificamos proativamente essas alterações, avaliamos seu impacto na precisão do modelo e fazemos os ajustes necessários para manter o desempenho ideal.

Controle de versão dos dados

Aprimore a capacidade de acompanhamento introduzindo o controle de versão dos nossos conjuntos de dados conforme eles mudam com o tempo.

Implantações avançadas

Gerencie adequadamente o pré e o pós-processamento de dados e previsões, explore a escala automática para lidar com cargas e introduza padrões avançados de implantação, como implantações canário e azul-verde, para garantir distribuições de modelos seguras e contínuas.

Armazenamento de recursos

Maneiras robustas de lidar com os recursos de dados e suas alterações, além de garantir que as funcionalidades sejam homogêneas entre o treinamento e a disponibilização.

Segurança

Implemente medidas de segurança automatizadas para manter a conformidade com as práticas de segurança da organização e estendê-las aos modelos.

Impacto para a organização

• Muitas empresas estão descobrindo que a estrutura organizacional e as abordagens atuais de machine learning não estão preparadas para oferecer resultados de transformação orientados por IA: implantação mais rápida de modelos, melhoria contínua por meio de feedbacks, além de soluções que se alinham às necessidades do usuário. Para atingir esses objetivos, as empresas devem adotar e praticar os princípios e métodos de MLOps, integrando a colaboração, a automação e o gerenciamento do ciclo de vida aos fluxos de trabalho de IA.
• O curso aborda os princípios da cultura MLOps e as práticas modernas, aplicadas ao mundo real. Você desenvolverá um modelo preditivo de machine learning usando o Red Hat OpenShift e o Red Hat OpenShift AI, além de outros softwares, ferramentas e técnicas de MLOps padrão do setor. Ao final do curso, você será capaz de aplicar os princípios de MLOps e aproveitar as soluções open source para impulsionar e liderar iniciativas de transformação da IA na sua organização.

Impacto para o profissional

Ao concluir este curso, você terá vivenciado a cultura do MLOps, explorado as práticas do MLOps e aplicará os conhecimentos para colocar um modelo de machine learning em produção. Após a conclusão do curso, você será capaz de:

• Aplicar os princípios do MLOps para simplificar o desenvolvimento e a implantação de modelos de machine learning.
• Ganhar experiência hands-on com ferramentas e processos modernos, abrangendo todo o ciclo de vida, desde o desenvolvimento interno até as operações externas.
• Aprimorar suas habilidades em estilos de codificação colaborativa com mob programming e em pares.