{"course":{"productid":34590,"modality":6,"active":true,"language":"de","title":"Developing and Deploying AI\/ML Applications on Red Hat OpenShift AI","productcode":"AI267","vendorcode":"RH","vendorname":"Red Hat","fullproductcode":"RH-AI267","courseware":{"has_ekit":false,"has_printkit":true,"language":""},"url":"https:\/\/portal.flane.ch\/course\/redhat-ai267","objective":"<h5>Auswirkungen auf die Organisation<\/h5><p>Organisationen erfassen und speichern riesige Mengen an Daten aus mehreren Quellen. Red Hat OpenShift AI bietet Unternehmen eine Plattform, um Daten zu analysieren, Trends und Muster zu visualisieren und zuk&uuml;nftige Gesch&auml;ftsergebnisse mit Algorithmen f&uuml;r maschinelles Lernen und k&uuml;nstliche Intelligenz vorherzusagen.<\/p>\n<h5>Auswirkungen auf Einzelne<\/h5><p>In diesem Kurs lernen Sie die Grundlagen der Architektur von Red Hat OpenShift AI kennen. Nach Abschluss des Kurses k&ouml;nnen Sie Red Hat OpenShift AI installieren, Ressourcenzuordnungen verwalten, Komponenten aktualisieren und Nutzende sowie deren Berechtigungen verwalten. Sie sind in der Lage, Modelle zu trainieren und bereitzustellen und dabei Best Practices in Machine Learning und Data Science mit Red Hat OpenShift AI anzuwenden. Ausserdem k&ouml;nnen Sie Data Science-Pipelines erstellen, ausf&uuml;hren und verwalten sowie Probleme beheben.<\/p>","essentials":"<ul>\n<li>Git-Erfahrung erforderlich<\/li><li>Erfahrung in der Python-Entwicklung oder Abschluss des Kurses Python Programming with Red Hat (AD141) erforderlich<\/li><li>Kenntnisse in Red Hat OpenShift oder Abschluss des Kurses <span class=\"cms-link-marked\"><a class=\"fl-href-prod\" href=\"\/swisscom\/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 <span class=\"fl-prod-pcode\">(DO288)<\/span><\/a><\/span> erforderlich<\/li><li>Grundkenntnisse in den Bereichen KI, Data Science und Machine Learning werden empfohlen<\/li><\/ul>","audience":"<ul>\n<li>Data Scientists und KI-Fachkr&auml;fte, die Red Hat OpenShift AI zum Erstellen und Trainieren von ML-Modellen verwenden m&ouml;chten<\/li><li>Entwicklungsteams, die KI\/ML-f&auml;hige Anwendungen entwickeln und integrieren m&ouml;chten<\/li><li>MLOps Engineers, die f&uuml;r die Installation, Konfiguration, Bereitstellung und &Uuml;berwachung von KI\/ML-Anwendungen auf Red Hat OpenShift AI verantwortlich sind<\/li><\/ul>","contents":"<ul>\n<li>Einf&uuml;hrung in Red Hat OpenShift AI<\/li><li>Data Science-Projekte<\/li><li>Jupyter Notebooks<\/li><li>Installieren von Red Hat OpenShift AI<\/li><li>Verwalten von Nutzenden und Ressourcen<\/li><li>Benutzerdefinierte Notebook Images<\/li><li>Einf&uuml;hrung in Machine Learning<\/li><li>Trainieren von Modellen<\/li><li>Verbessertes Modelltraining mit RHOAI<\/li><li>Einf&uuml;hrung in die Modellbereitstellung<\/li><li>Modellbereitstellung in Red Hat OpenShift AI<\/li><li>Einf&uuml;hrung in die Workflow-Automatisierung<\/li><li>Elyra-Pipelines<\/li><li>KubeFlow-Pipelines<\/li><\/ul>","outline":"<h5>Einf&uuml;hrung in Red Hat OpenShift AI<\/h5><p>Die wichtigsten Funktionen von Red Hat OpenShift AI identifizieren und die Architektur und Komponenten von Red Hat AI beschreiben<\/p>\n<h5>Data Science-Projekte<\/h5><p>Code und Konfiguration mithilfe von Data Science-Projekten, Workbenches und Datenverbindungen organisieren<\/p>\n<h5>Jupyter Notebooks<\/h5><p>Jupyter Notebooks zum interaktiven Ausf&uuml;hren und Testen von Code verwenden<\/p>\n<h5>Installieren von Red Hat OpenShift AI<\/h5><p>Red Hat OpenShift AI mit der Webkonsole und CLI installieren und Komponenten von Red Hat OpenShift AI verwalten<\/p>\n<h5>Verwalten von Nutzenden und Ressourcen<\/h5><p>Nutzende von Red Hat OpenShift AI sowie die Ressourcenzuweisung f&uuml;r Workbenches verwalten<\/p>\n<h5>Benutzerdefinierte Notebook Images<\/h5><p>Benutzerdefinierte Notebook Images erstellen und benutzerdefinierte Notebooks &uuml;ber das Dashboard von Red Hat OpenShift AI importieren<\/p>\n<h5>Einf&uuml;hrung in Machine Learning<\/h5><p>Grundlegende ML-Konzepte, verschiedene Arten von Machine Learning sowie ML-Workflows beschreiben<\/p>\n<h5>Trainieren von Modellen<\/h5><p>Modelle mit standardm&auml;ssigen und benutzerdefinierten Workbenches trainieren<\/p>\n<h5>Verbessertes Modelltraining mit RHOAI<\/h5><p>Mit RHOAI Best Practices in Machine Learning und Data Science anwenden<\/p>\n<h5>Einf&uuml;hrung in die Modellbereitstellung<\/h5><p>Konzepte und Komponenten beschreiben, die zum Exportieren, Freigeben und Bereitstellen von trainierten ML-Modellen erforderlich sind<\/p>\n<h5>Modellbereitstellung in Red Hat OpenShift AI<\/h5><p>Trainierte ML-Modelle mit OpenShift AI bereitstellen<\/p>\n<h5>Benutzerdefinierte Modellserver<\/h5><p>ML-Modelle mit benutzerdefinierten Modellbereitstellungs-Runtimes einsetzen und bereitstellen<\/p>\n<h5>Einf&uuml;hrung in Data Science-Pipelines<\/h5><p>Data Science-Pipelines erstellen, ausf&uuml;hren und verwalten sowie Probleme beheben<\/p>\n<h5>Elyra-Pipelines<\/h5><p>Data Science-Pipelines mit Elyra erstellen<\/p>\n<h5>KubeFlow-Pipelines<\/h5><p>Data Science-Pipelines mit dem KubeFlow-SDK erstellen<\/p>","summary":"<p>Eine Einf&uuml;hrung in die Entwicklung und Bereitstellung von KI\/ML-Anwendungen auf Red Hat OpenShift AI.<\/p>\n<p>Developing and Deploying AI\/ML Applications on Red Hat OpenShift AI (AI267) vermittelt Teilnehmer grundlegende Kenntnisse dar&uuml;ber, wie sie KI\/ML-Anwendungen mit Red Hat OpenShift entwickeln und bereitstellen k&ouml;nnen. Die Teilnehmer erwerben durch praktische Erfahrungen wichtige Kompetenzen f&uuml;r die Verwendung von Red Hat OpenShift AI zum Trainieren, Entwickeln und Bereitstellen von ML-Modellen (Machine Learning).<\/p>\n<p>Dieser Kurs basiert auf Red Hat OpenShift&reg; 4.14 und Red Hat OpenShift AI 2.8.<\/p>","objective_plain":"Auswirkungen auf die Organisation\n\nOrganisationen erfassen und speichern riesige Mengen an Daten aus mehreren Quellen. Red Hat OpenShift AI bietet Unternehmen eine Plattform, um Daten zu analysieren, Trends und Muster zu visualisieren und zuk\u00fcnftige Gesch\u00e4ftsergebnisse mit Algorithmen f\u00fcr maschinelles Lernen und k\u00fcnstliche Intelligenz vorherzusagen.\n\nAuswirkungen auf Einzelne\n\nIn diesem Kurs lernen Sie die Grundlagen der Architektur von Red Hat OpenShift AI kennen. Nach Abschluss des Kurses k\u00f6nnen Sie Red Hat OpenShift AI installieren, Ressourcenzuordnungen verwalten, Komponenten aktualisieren und Nutzende sowie deren Berechtigungen verwalten. Sie sind in der Lage, Modelle zu trainieren und bereitzustellen und dabei Best Practices in Machine Learning und Data Science mit Red Hat OpenShift AI anzuwenden. Ausserdem k\u00f6nnen Sie Data Science-Pipelines erstellen, ausf\u00fchren und verwalten sowie Probleme beheben.","essentials_plain":"- Git-Erfahrung erforderlich\n- Erfahrung in der Python-Entwicklung oder Abschluss des Kurses Python Programming with Red Hat (AD141) erforderlich\n- Kenntnisse in Red Hat OpenShift oder Abschluss des Kurses Red Hat OpenShift Developer II: Building and Deploying Cloud-native Applications (DO288) erforderlich\n- Grundkenntnisse in den Bereichen KI, Data Science und Machine Learning werden empfohlen","audience_plain":"- Data Scientists und KI-Fachkr\u00e4fte, die Red Hat OpenShift AI zum Erstellen und Trainieren von ML-Modellen verwenden m\u00f6chten\n- Entwicklungsteams, die KI\/ML-f\u00e4hige Anwendungen entwickeln und integrieren m\u00f6chten\n- MLOps Engineers, die f\u00fcr die Installation, Konfiguration, Bereitstellung und \u00dcberwachung von KI\/ML-Anwendungen auf Red Hat OpenShift AI verantwortlich sind","contents_plain":"- Einf\u00fchrung in Red Hat OpenShift AI\n- Data Science-Projekte\n- Jupyter Notebooks\n- Installieren von Red Hat OpenShift AI\n- Verwalten von Nutzenden und Ressourcen\n- Benutzerdefinierte Notebook Images\n- Einf\u00fchrung in Machine Learning\n- Trainieren von Modellen\n- Verbessertes Modelltraining mit RHOAI\n- Einf\u00fchrung in die Modellbereitstellung\n- Modellbereitstellung in Red Hat OpenShift AI\n- Einf\u00fchrung in die Workflow-Automatisierung\n- Elyra-Pipelines\n- KubeFlow-Pipelines","outline_plain":"Einf\u00fchrung in Red Hat OpenShift AI\n\nDie wichtigsten Funktionen von Red Hat OpenShift AI identifizieren und die Architektur und Komponenten von Red Hat AI beschreiben\n\nData Science-Projekte\n\nCode und Konfiguration mithilfe von Data Science-Projekten, Workbenches und Datenverbindungen organisieren\n\nJupyter Notebooks\n\nJupyter Notebooks zum interaktiven Ausf\u00fchren und Testen von Code verwenden\n\nInstallieren von Red Hat OpenShift AI\n\nRed Hat OpenShift AI mit der Webkonsole und CLI installieren und Komponenten von Red Hat OpenShift AI verwalten\n\nVerwalten von Nutzenden und Ressourcen\n\nNutzende von Red Hat OpenShift AI sowie die Ressourcenzuweisung f\u00fcr Workbenches verwalten\n\nBenutzerdefinierte Notebook Images\n\nBenutzerdefinierte Notebook Images erstellen und benutzerdefinierte Notebooks \u00fcber das Dashboard von Red Hat OpenShift AI importieren\n\nEinf\u00fchrung in Machine Learning\n\nGrundlegende ML-Konzepte, verschiedene Arten von Machine Learning sowie ML-Workflows beschreiben\n\nTrainieren von Modellen\n\nModelle mit standardm\u00e4ssigen und benutzerdefinierten Workbenches trainieren\n\nVerbessertes Modelltraining mit RHOAI\n\nMit RHOAI Best Practices in Machine Learning und Data Science anwenden\n\nEinf\u00fchrung in die Modellbereitstellung\n\nKonzepte und Komponenten beschreiben, die zum Exportieren, Freigeben und Bereitstellen von trainierten ML-Modellen erforderlich sind\n\nModellbereitstellung in Red Hat OpenShift AI\n\nTrainierte ML-Modelle mit OpenShift AI bereitstellen\n\nBenutzerdefinierte Modellserver\n\nML-Modelle mit benutzerdefinierten Modellbereitstellungs-Runtimes einsetzen und bereitstellen\n\nEinf\u00fchrung in Data Science-Pipelines\n\nData Science-Pipelines erstellen, ausf\u00fchren und verwalten sowie Probleme beheben\n\nElyra-Pipelines\n\nData Science-Pipelines mit Elyra erstellen\n\nKubeFlow-Pipelines\n\nData Science-Pipelines mit dem KubeFlow-SDK erstellen","summary_plain":"Eine Einf\u00fchrung in die Entwicklung und Bereitstellung von KI\/ML-Anwendungen auf Red Hat OpenShift AI.\n\nDeveloping and Deploying AI\/ML Applications on Red Hat OpenShift AI (AI267) vermittelt Teilnehmer grundlegende Kenntnisse dar\u00fcber, wie sie KI\/ML-Anwendungen mit Red Hat OpenShift entwickeln und bereitstellen k\u00f6nnen. Die Teilnehmer erwerben durch praktische Erfahrungen wichtige Kompetenzen f\u00fcr die Verwendung von Red Hat OpenShift AI zum Trainieren, Entwickeln und Bereitstellen von ML-Modellen (Machine Learning).\n\nDieser Kurs basiert auf Red Hat OpenShift\u00ae 4.14 und Red Hat OpenShift AI 2.8.","skill_level":"Intermediate","version":"1","duration":{"unit":"d","value":3,"formatted":"3 Tage"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":3525},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":2805},"AE":{"country":"AE","currency":"USD","taxrate":5,"price":2280},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":2175},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":2805},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":2805},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":2385},"PL":{"country":"PL","currency":"EUR","taxrate":23,"price":1905},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":2805},"CH":{"country":"CH","currency":"CHF","taxrate":8.1,"price":2805},"FR":{"country":"FR","currency":"EUR","taxrate":19.6,"price":2805}}},"lastchanged":"2026-03-11T16:27:41+01:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34590","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/redhat-ai267"}}