Diğer Eğitimlerimize Göz Atın

DeepSeek: Advanced Model Optimization and Deployment

 14 Saat
Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), modern MLOps uygulamalarını kullanarak DeepSeek model performansını artırmak, gecikmeyi en aza indirmek ve yapay zeka çözümlerini verimli bir şekilde dağıtmak isteyen ileri düzey yapay zeka mühendisleri ve orta ile ileri düzey deneyime sahip veri bilimcilerine yöneliktir. Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
  • Verimlilik, doğruluk ve ölçeklenebilirlik için DeepSeek modelleri optimize etmek.
  • MLOps ve model sürümleme için en iyi uygulamaları uygulamak.
  • DeepSeek modellerini bulut ve şirket içi altyapıya dağıtmak.
  • Yapay zeka çözümlerini etkili bir şekilde izlemek, sürdürmek ve ölçeklendirmek.
Daha Fazla...

Kubeflow

 35 Saat
Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), Kubernetes üzerinde makine öğrenimi iş akışları oluşturmak, dağıtmak ve yönetmek isteyen geliştiriciler ve veri bilimcilerine yöneliktir. Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
  • AWS EKS (Elastic Kubernetes Service) kullanarak Kubeflow'i şirket içinde ve bulutta kurmak ve yapılandırmak.
  • Docker kapsayıcıları ve Kubernetes kullanarak makine öğrenimi iş akışları oluşturmak, dağıtmak ve yönetmek.
  • Tüm makine öğrenimi işlem hatlarını çeşitli mimariler ve bulut ortamlarında çalıştırmak.
  • Kubeflow kullanarak Jupyter not defterleri oluşturmak ve yönetmek.
  • Çoklu platformlar üzerinde makine öğrenimi eğitimi, hiperparametre ayarlama ve sunum iş yükleri oluşturmak.
Daha Fazla...

Kubeflow Fundamentals

 28 Saat
Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), Kubernetes üzerinde makine öğrenimi iş akışları oluşturmak, dağıtmak ve yönetmek isteyen geliştiriciler ve veri bilimcilerine yöneliktir. Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
  • Kubeflow'yı şirket içinde ve bulutta kurmak ve yapılandırmak.
  • Docker kapsayıcıları ve Kubernetes temelinde ML iş akışları oluşturmak, dağıtmak ve yönetmek.
  • Tüm makine öğrenimi işlem hatlarını çeşitli mimariler ve bulut ortamlarında çalıştırmak.
  • Kubeflow'yı kullanarak Jupyter not defterleri oluşturmak ve yönetmek.
  • Çoklu platformlar üzerinde ML eğitimi, hiperparametre ayarlama ve hizmet iş yükleri oluşturmak.
Daha Fazla...

Kubeflow on AWS

 28 Saat
Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), Machine Learning iş yüklerini bir AWS EC2 sunucusuna dağıtmak isteyen mühendislere yöneliktir. Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
  • Kubernetes, Kubeflow ve diğer gerekli yazılımları AWS üzerinde kurmak ve yapılandırmak.
  • EKS (Elastic Kubernetes Service) kullanarak bir Kubernetes kümesini AWS üzerinde başlatma işini basitleştirmek.
  • Üretimde ML modellerini otomatikleştirmek ve yönetmek için bir Kubernetes hattı oluşturmak ve dağıtmak.
  • Çoklu GPU’ler ve paralel çalışan makineler üzerinde TensorFlow ML modellerini eğitmek ve dağıtmak.
  • Bir ML uygulamasını genişletmek için diğer AWS yönetilen hizmetlerinden yararlanmak.
Daha Fazla...

Kubeflow on Azure

 28 Saat
Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), Machine Learning iş yüklerini Azure bulutuna dağıtmak isteyen mühendislere yöneliktir. Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
  • Azure üzerine Kubernetes, Kubeflow ve diğer gerekli yazılımları kurmak ve yapılandırmak.
  • Azure Kubernetes Hizmeti (AKS) kullanarak Azure üzerinde bir Kubernetes kümesi başlatma işlemini basitleştirmek.
  • Üretimde ML modellerini otomatikleştirmek ve yönetmek için bir Kubernetes hattı oluşturmak ve dağıtmak.
  • TensorFlow ML modellerini paralel çalışan çoklu GPU ve makineler üzerinde eğitmek ve dağıtmak.
  • Bir ML uygulamasını genişletmek için diğer AWS yönetilen hizmetlerinden yararlanmak.
Daha Fazla...

MLflow

 21 Saat
Bu eğitmen liderliğindeki, canlı eğitim (çevrimiçi veya yerinde), yalnızca ML modelleri oluşturmanın ötesine geçmek ve ML modeli oluşturma, izleme ve dağıtım sürecini optimize etmek isteyen veri bilimcilerine yöneliktir. Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
  • MLflow ve ilgili ML kütüphanelerini ve çerçevelerini kurmak ve yapılandırmak.
  • Bir ML modelinin izlenebilirliğinin, tekrarlanabilirliğinin ve dağıtılabilirliğinin önemini kavramak.
  • ML modellerini farklı genel bulutlara, platformlara veya şirket içi sunuculara dağıtmak.
  • Bir projede işbirliği yapan birden fazla kullanıcıyı barındıracak şekilde ML dağıtım sürecini ölçeklendirmek.
  • ML modelleriyle deneme yapmak, bunları yeniden üretmek ve dağıtmak için merkezi bir kayıt ayarlamak.
Daha Fazla...

MLOps: CI/CD for Machine Learning

 35 Saat
a:3:{i:0;a:2:{s:7:"content";s:281:"Bu eğitmen liderliğindeki, canlı eğitim (Türkiye – çevrimiçi veya yerinde), kuruluşları içinde MLOps'ü benimseme yolunda bilinçli bir karar vermek için mevcut yaklaşımları ve araçları değerlendirmek isteyen mühendislere yöneliktir.";s:9:"timestamp";i:1724986474;}i:1;a:2:{s:7:"content";s:65:"Bu eğitimin sonunda katılımcılar şunları yapabilecektir:";s:9:"timestamp";i:1724986474;}i:2;a:2:{s:7:"content";s:603:"
  • Çeşitli MLOps çerçevelerini ve araçlarını kurun ve yapılandırın.
  • Bir MLOps sistemi oluşturmak ve desteklemek için doğru becerilere sahip doğru ekibi oluşturun.
  • ML modelleri tarafından kullanılmak üzere verileri hazırlayın, doğrulayın ve sürümleyin.
  • Bir ML Hattının bileşenlerini ve onu oluşturmak için gereken araçları anlayın.
  • Üretim ortamına dağıtmak için farklı makine öğrenimi çerçeveleri ve sunucularıyla deney yapın.
  • Tüm Machine Learning sürecini yeniden üretilebilir ve sürdürülebilir hale getirin.
";s:9:"timestamp";i:1724986474;}}
Daha Fazla...

MLOps for Azure Machine Learning

 14 Saat
Bu eğitmen liderliğindeki, canlı eğitim (çevrimiçi veya yerinde), Azure Machine Learning ve Azure DevOps kullanarak MLOps uygulamalarını kolaylaştırmak isteyen makine öğrenimi mühendislerine yöneliktir. Bu eğitimin sonunda katılımcılar şunları yapabilecektir:
  • Tekrarlanabilir iş akışları ve makine öğrenimi modelleri oluşturmak.
  • Makine öğrenimi yaşam döngüsünü yönetmek.
  • Model sürüm geçmişini, varlıkları ve daha fazlasını izlemek ve raporlamak.
  • Üretim için hazır makine öğrenimi modellerini her yere dağıtmak.
Daha Fazla...

Son Güncellenme:

Danışanlarımızın Yorumları(2)

the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose

Guillaume GAUTIER - OLEA MEDICAL

Eğitim - MLflow

I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.

Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM

Eğitim - Kubeflow

Yaklaşan Etkinlikler

Kubeflow on AWS

2025-06-09 09:30
28 Saat
Istanbul, Taksim
27864 TRY (Online(internet ortamında canlı eğitim))
28664 TRY (Fiziki Sınıf)

MLOps: CI/CD for Machine Learning

2025-06-23 09:30
35 Saat
Ankara
29025 TRY (Online(internet ortamında canlı eğitim))
30025 TRY (Fiziki Sınıf)

MLflow

2025-07-07 09:30
21 Saat
Antalya
17415 TRY (Online(internet ortamında canlı eğitim))
18015 TRY (Fiziki Sınıf)

Kubeflow Fundamentals

2025-07-21 09:30
28 Saat
Istanbul, Taksim
23220 TRY (Online(internet ortamında canlı eğitim))
24020 TRY (Fiziki Sınıf)

Kubeflow on AWS

2025-08-04 09:30
28 Saat
Ankara
27864 TRY (Online(internet ortamında canlı eğitim))
28664 TRY (Fiziki Sınıf)

Türkiyenin Diğer Şehirleri

Diğer Ülkeler

Dünyanın her yerinde eğitim veriyoruz.

Danışmanlık

MLOps Danışmanlık
Online MLOps courses, Weekend MLOps courses, Evening MLOps training, MLOps boot camp, MLOps instructor-led, Weekend MLOps training, Evening MLOps courses, MLOps coaching, MLOps instructor, MLOps trainer, MLOps training courses, MLOps classes, MLOps on-site, MLOps private courses, MLOps one on one training