Eğitim İçeriği

AI & ML için Konteynerizasyona Giriş

  • Konteynerizasyonun temel kavramları
  • Neden konteynerler ML iş yükleri için idealdir
  • Konteynerler ve sanal makineler arasındaki temel farklar

Docker Imajları ve Konteynerleri ile Çalışma

  • İmajlar, katmanlar ve kayıtlar hakkında bilgi edinme
  • ML deneme için konteynerlerin yönetimi
  • Docker CLI'nın etkin kullanımı

ML Ortamlarını Paketleme

  • Konteynerizasyon için ML kod tabanlarının hazırlanması
  • Python ortamları ve bağımlılıklarının yönetimi
  • CUDA ve GPU destegi entegrasyonu

Makine Öğrenmesi için Dockerfiles Oluşturma

  • ML projeleri için Dockerfiles'ın yapısını belirleme
  • Performans ve sürdürülebilirlik için en iyi uygulamalar
  • Çok aşamalı yapıları kullanma

ML Modellerini ve İşlem Hattlarını Konteynerize Etme

  • Eğitilen modelleri konteynerlere paketleme
  • Veri ve depolama stratejilerinin yönetimi
  • Tekrarlanabilir uçtan uca iş akışlarının dağıtımının yönetimi

Konteynerize ML Hizmetlerini Çalıştırma

  • Model çıkarımı için API uç noktalarını açığa çıkarma
  • Docker Compose ile hizmetleri ölçeklendirme
  • Çalışma zamanı davranışının izlenmesi

Güvenlik ve Uyumluluk Dikkate Alınması

  • Güvenli konteyner yapılandırmalarını sağlama
  • Erişim ve kimlik bilgilerinin yönetimi
  • Gizli ML varlıklarının yönetimi

Üretim Ortamlarına Dağıtım

  • Konteyner kayıtlarına imajların yayınlanması
  • Yerinde veya bulut kurulumlarında konteynerlerin dağıtılması
  • Üretim hizmetlerinin sürümü ve güncelleştirilmesi

Özet ve Sonraki Adımlar

Kurs İçin Gerekli Önbilgiler

  • Makine öğrenme iş akışlarına olan anlayış
  • Python veya benzeri programlama dilleriyle deneyim
  • Temel Linux komut satırı işlemlerine aşinalık

Hedef Kitle

  • Modelleri üretime dağıtan ML mühendisleri
  • Tekrarlanabilir deneme ortamlarını yöneten veri bilimcileri
  • Ölçeklenebilir konteynerize uygulamalar oluşturan AI geliştiricileri
 14 Saatler

Katılımcı Sayısı


Katılımcı başına fiyat

Danışanlarımızın Yorumları (5)

Yaklaşan Etkinlikler

İlgili Kategoriler