Bize Ulaşın
 Süre 14 Saat

Eğitim İçeriği

YZ ve BMY İçin Konteynerleştirmeye Giriş

  • Konteynerleştirme temelleri
  • Neden konteynerler ML iş yükleri için idealdir
  • Konteynerler ve sanal makineler arasındaki temel farklar

Docker Görüntüleri ve Konteynerleri Kullanma

  • Görüntüler, katmanlar ve kayıtları anlama
  • ML deneyleri için konteynerleri yönetme
  • Docker CLI'ı verimli kullanma

ML Ortamlarını Paketleme

  • ML kod tabanlarını konteynerleştirme için hazırlama
  • Python ortamlarını ve bağımlılıkları yönetme
  • CUDA ve GPU desteğini entegre etme

Makine Öğrenmesi İçin Dockerfile Oluşturma

  • ML projeleri için Dockerfile'ları yapılandırma
  • Performans ve sürdürülebilirlik için en iyi uygulamalar
  • Çok aşamalı derlemeleri kullanma

ML Modelleri ve İş Akışlarını Konteynerleştirme

  • Eğitilmiş modelleri konteynerlere paketleme
  • Veri ve depolama stratejilerini yönetme
  • Tutarlı uçtan uca iş akışlarını dağıtma

Konteynerleştirilmiş ML Servislerini Çalıştırma

  • Model çıkarımı için API uç noktalarını açma
  • Docker Compose ile servisleri ölçeklendirme
  • Çalışma zamanı davranışını izleme

Güvenlik ve Uyum Konuları

  • Güvenli konteyner yapılandırmalarını sağlama
  • Erişimi ve kimlik bilgilerini yönetme
  • Gizli ML varlıklarını işleme

Üretim Ortamlarına Dağıtım

  • Görüntüleri konteyner kayıtlarına yayınlama
  • Konteynerleri yerel veya bulut kurulumlarında dağıtma
  • Üretim servislerini sürümleme ve güncelleme

Özet ve Sonraki Adımlar

Kurs İçin Gerekli Önbilgiler

  • Makine öğrenmesi iş akışlarına ilişkin bir anlayış
  • Python veya benzer programlama dillerinde deneyim
  • Temel Linux komut satırı işlemlerine aşinalık

Hedef Kitle

  • Modelleri üretime dağıtan ML mühendisleri
  • Tutarlı deneysel ortamlar yöneten veri bilimciler
  • Ölçeklenebilir konteynerleştirilmiş uygulamalar geliştiren YZ geliştiricileri

Katılımcı Sayısı


Katılımcı başına fiyat

Danışanlarımızın Yorumları (2)

Yaklaşan Etkinlikler

İlgili Kategoriler