AI253

使用 Python 和红帽 OpenShift AI 创建机器学习模型

概述

课程概述

介绍 Python 编程、机器学习概念，以及如何使用红帽 OpenShift AI 训练 ML 模型。

Python 是一种流行的编程语言，系统管理员、数据科学家和开发人员可利用 Python 来创建应用、执行统计分析以及训练 AI/ML 模型。本课程将介绍 Python 语言并讲授基本的机器学习概念和不同类型的机器学习。本课程将通过实训教学帮助学员培养核心技能，如使用红帽 OpenShift AI 来训练机器学习模型以及如何在训练模型时应用最佳实践。

本课程基于 Python 3、RHEL 9.0、红帽 OpenShift® 4.14 和红帽 OpenShift AI 2.8。

注：本课程以为期 4 天的线下课程或为期 5 天的线上虚拟课程形式提供。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

  • Python 语法、函数和数据类型基础知识
  • 如何使用 Python 调试器（pdb）调试 Python 脚本
  • 使用字典、集、元组和列表等 Python 数据结构来处理复合数据
  • 学习面向对象的 Python 编程和异常处理
  • 如何在 Python 中读取和写入文件并解析 JSON 数据
  • 在 Python 中使用功能强大的正则表达式来操作文本
  • 如何使用模块和命名空间有效地构建大型 Python 程序结构
  • 机器学习简介
  • 训练模型
  • 使用 RHOAI 来增强模型训练

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

技术注意事项

  • 不提供 ILT 课堂教学

课程大纲

课程大纲

介绍 Python 及如何设置开发人员环境

基本 Python 语法
探索 Python 的基本语法和语义
语言组件
了解基本的控制流功能和运算符
集合
编写程序，使用列表、集、元组和字典来操作复合数据
函数
将程序分解为可组合的函数
模块
使用模块来组织代码以实现灵活性和重复利用
Python 中的类
探索面向对象的编程（OOP）以及类和对象
异常
使用异常处理运行时错误
输入和输出
实施可读取和写入文件的程序
数据结构
使用生成器和推导等高级数据结构来减少样板代码
解析 JSON
读取和写入 JSON 数据
调试
使用 Python 调试器（pdb）调试 Python 程序
机器学习简介
讲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

成果

企业组织获益

  • 企业组织通常会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，并预测未来业绩。

个人获益

  • 完成本课程的学习后，您将了解红帽 OpenShift AI 架构的基础。您将能够使用数据科学项目、工作台和数据连接来整理代码和配置。您还能够使用 Jupyter Notebook 以交互方式执行和测试代码。本课程是 AI/ML 学习路径的起点，您将在本课程中学习如何创建和维护 AI/ML 工作流。

下一阶段课程或考试推荐