Developing and Deploying AI/ML Applications on Red Hat OpenShift AI

Developing and Deploying AI/ML Applications on Red Hat OpenShift AIAI267RHRed HatRH-AI2671[bImpact on the Organization[/b] Les organisations collectent et stockent d’énormes quantités d’informations provenant de multiples sources. Avec Red Hat OpenShift AI, elles disposent d’une plateforme prête à analyser les données, visualiser les tendances et patterns, et prédire les résultats futurs grâce aux algorithmes de machine learning et d’intelligence artificielle. Impact on the Individual À l’issue de ce cours, vous comprendrez les fondations de l’architecture Red Hat OpenShift AI. Vous serez capable d’installer Red Hat OpenShift AI, de gérer les allocations de ressources, de mettre à jour les composants et de gérer les utilisateurs ainsi que leurs permissions. Vous serez également capable d’entraîner, déployer et servir des modèles, y compris comment utiliser Red Hat OpenShift AI pour appliquer les bonnes pratiques en machine learning et data science. Enfin, vous serez capable de définir et configurer des data science pipelines avec Red Hat OpenShift AI.<ul> <li>Une expérience avec Git est requise</li><li>Une expérience en développement Python est requise, ou avoir suivi le cours <a class="fl-href-prod" href="/swisscom/fr/course/redhat-ad141"><svg role="img" aria-hidden="true" focusable="false" data-nosnippet class="cms-linkmark"><use xlink:href="/css/img/icnset-linkmarks.svg#linkmark"></use></svg>Red Hat Training Presents: Introduction to Python Programming (AD141)</a></li><li>Une expérience avec Red Hat OpenShift est requise, ou avoir suivi le cours <a class="fl-href-prod" href="/swisscom/fr/course/redhat-do288"><svg role="img" aria-hidden="true" focusable="false" data-nosnippet class="cms-linkmark"><use xlink:href="/css/img/icnset-linkmarks.svg#linkmark"></use></svg>Red Hat OpenShift Developer II: Building and Deploying Cloud-native Applications (DO288)</a></li><li>Basic experience in the AI, data science, and machine learning fields is recommended</li></ul><ul> <li>Data scientists et praticiens de l’IA qui veulent utiliser Red Hat OpenShift AI pour construire et entraîner des modèles ML</li><li>Développeurs qui veulent créer et intégrer des applications AI/ML</li><li>Développeurs, data scientists et praticiens de l’IA qui veulent automatiser leurs workflows ML</li><li>MLOps engineers responsables de l’opérationnalisation du cycle de vie ML sur Red Hat OpenShift AI</li></ul>Course Content Summary <ul> <li>Introduction to Red Hat OpenShift AI</li><li>Data Science Projects</li><li>Jupyter Notebooks</li><li>Red Hat OpenShift AI Installation</li><li>Users and Resources Management</li><li>Custom Notebook Images</li><li>Introduction to Machine Learning</li><li>Training Models</li><li>Enhancing Model Training with RHOAI</li><li>Introduction to Model Serving</li><li>Model Serving in Red Hat OpenShift AI</li><li>Introduction to Data Science Pipelines</li><li>Working with Pipelines</li><li>Controlling Pipelines and Experiments</li></ul>Introduction to Red Hat OpenShift AI <ul> <li>Identify the main features of Red Hat OpenShift AI, and describe the architecture and components of Red Hat AI.</li></ul>Data Science Projects <ul> <li>Organize code and configuration by using data science projects, workbenches, and data connections</li></ul>Jupyter Notebooks <ul> <li>Use Jupyter notebooks to execute and test code interactively</li></ul>Red Hat OpenShift AI Installation <ul> <li>Install Red Hat OpenShift AI and manage Red Hat OpenShift AI components</li></ul>User and Resource Management <ul> <li>Manage Red Hat OpenShift AI users and allocate resources</li></ul>Custom Notebook Images <ul> <li>Create and import custom notebook images in Red Hat OpenShift AI</li></ul>Introduction to Machine Learning <ul> <li>Describe basic machine learning concepts, different types of machine learning, and machine learning workflows</li></ul>Training Models <ul> <li>Train models by using default and custom workbenches</li></ul>Enhancing Model Training with RHOAI <ul> <li>Use RHOAI to apply best practices in machine learning and data science</li></ul>Introduction to Model Serving <ul> <li>Describe the concepts and components required to export, share and serve trained machine learning models</li></ul>Model Serving in Red Hat OpenShift AI <ul> <li>Serve trained machine learning models with OpenShift AI</li></ul>Introduction to Data Science Pipelines <ul> <li>Define and set up Data Science Pipelines</li></ul>Working with Pipelines <ul> <li>Create data science pipelines with the Kubeflow SDK and Elyra</li></ul>Controlling Pipelines and Experiments <ul> <li>Configure, monitor, and track pipelines with artifacts, metrics, and experiments</li></ul>[bImpact on the Organization[/b] Les organisations collectent et stockent d’énormes quantités d’informations provenant de multiples sources. Avec Red Hat OpenShift AI, elles disposent d’une plateforme prête à analyser les données, visualiser les tendances et patterns, et prédire les résultats futurs grâce aux algorithmes de machine learning et d’intelligence artificielle. Impact on the Individual À l’issue de ce cours, vous comprendrez les fondations de l’architecture Red Hat OpenShift AI. Vous serez capable d’installer Red Hat OpenShift AI, de gérer les allocations de ressources, de mettre à jour les composants et de gérer les utilisateurs ainsi que leurs permissions. Vous serez également capable d’entraîner, déployer et servir des modèles, y compris comment utiliser Red Hat OpenShift AI pour appliquer les bonnes pratiques en machine learning et data science. Enfin, vous serez capable de définir et configurer des data science pipelines avec Red Hat OpenShift AI.- Une expérience avec Git est requise - Une expérience en développement Python est requise, ou avoir suivi le cours Red Hat Training Presents: Introduction to Python Programming (AD141) - Une expérience avec Red Hat OpenShift est requise, ou avoir suivi le cours Red Hat OpenShift Developer II: Building and Deploying Cloud-native Applications (DO288) - Basic experience in the AI, data science, and machine learning fields is recommended- Data scientists et praticiens de l’IA qui veulent utiliser Red Hat OpenShift AI pour construire et entraîner des modèles ML - Développeurs qui veulent créer et intégrer des applications AI/ML - Développeurs, data scientists et praticiens de l’IA qui veulent automatiser leurs workflows ML - MLOps engineers responsables de l’opérationnalisation du cycle de vie ML sur Red Hat OpenShift AICourse Content Summary - Introduction to Red Hat OpenShift AI - Data Science Projects - Jupyter Notebooks - Red Hat OpenShift AI Installation - Users and Resources Management - Custom Notebook Images - Introduction to Machine Learning - Training Models - Enhancing Model Training with RHOAI - Introduction to Model Serving - Model Serving in Red Hat OpenShift AI - Introduction to Data Science Pipelines - Working with Pipelines - Controlling Pipelines and ExperimentsIntroduction to Red Hat OpenShift AI - Identify the main features of Red Hat OpenShift AI, and describe the architecture and components of Red Hat AI. Data Science Projects - Organize code and configuration by using data science projects, workbenches, and data connections Jupyter Notebooks - Use Jupyter notebooks to execute and test code interactively Red Hat OpenShift AI Installation - Install Red Hat OpenShift AI and manage Red Hat OpenShift AI components User and Resource Management - Manage Red Hat OpenShift AI users and allocate resources Custom Notebook Images - Create and import custom notebook images in Red Hat OpenShift AI Introduction to Machine Learning - Describe basic machine learning concepts, different types of machine learning, and machine learning workflows Training Models - Train models by using default and custom workbenches Enhancing Model Training with RHOAI - Use RHOAI to apply best practices in machine learning and data science Introduction to Model Serving - Describe the concepts and components required to export, share and serve trained machine learning models Model Serving in Red Hat OpenShift AI - Serve trained machine learning models with OpenShift AI Introduction to Data Science Pipelines - Define and set up Data Science Pipelines Working with Pipelines - Create data science pipelines with the Kubeflow SDK and Elyra Controlling Pipelines and Experiments - Configure, monitor, and track pipelines with artifacts, metrics, and experiments3 jours3525.002805.002280.002175.002805.002805.002385.001905.002805.002805.002805.0012.00