Developing and Deploying AI/ML Applications on Red Hat OpenShift AI (AI267) Azerbaijan Eğitimi

Red Hat OpenShift AI üzerinde Yapay Zeka (AI) ve Makine Öğrenimi (ML) uygulamaları geliştirmeyi, eğitmeyi ve dağıtmayı öğrenin.

“Red Hat OpenShift AI üzerinde AI/ML Uygulamaları Geliştirme ve Dağıtma (AI267)” eğitimi, OpenShift platformunu kullanarak yapay zeka ve makine öğrenimi modelleri geliştirmek isteyen katılımcılara temel becerileri kazandırır.
Uygulamalı laboratuvar çalışmaları sayesinde katılımcılar, veri bilimi projelerini yapılandırmayı, modelleri eğitmeyi ve üretim ortamında dağıtmayı öğrenir.

Bu kurs, Red Hat OpenShift 4.16 ve Red Hat OpenShift AI 2.13 sürümleri üzerine kuruludur.

Red Hat OpenShift AI Üzerinde AI/ML Uygulamaları Geliştirme ve Dağıtma (AI267) Eğitimi programına Online Instructor-Led (canlı sanal sınıf) veya Classroom Based (sınıf eğitimi) formatlarında doğrudan katılım sağlayabilirsiniz. Ayrıca bu eğitimi kurumunuza özel olarak Online Instructor-Led, Classroom Based veya Onsite (yerinde eğitim) formatlarında, tercih ettiğiniz tarih ve lokasyonda organize edebiliriz. Detaylı bilgi ve kurumunuza özel planlama için bizimle iletişime geçebilirsiniz.

• Git kullanımı konusunda deneyim.

• Python programlama bilgisi (veya AD141 Python Programming with Red Hat eğitimi).

• OpenShift deneyimi (veya DO288 Cloud-native Applications eğitimi).

• AI ve Veri Bilimi konularında temel bilgi önerilir.

Bu eğitim, aşağıdaki profesyoneller için uygundur:

• Veri Bilimciler ve AI Uzmanları – ML modellerini OpenShift üzerinde eğitmek isteyenler.

• Geliştiriciler – AI/ML tabanlı uygulamalar geliştiren yazılımcılar.

• MLOps Mühendisleri – Makine öğrenimi yaşam döngüsünü yönetmek isteyenler.

• AI Uygulayıcıları – Veri bilimi süreçlerini otomatikleştirmeyi hedefleyen ekipler.

• Red Hat OpenShift AI’ye Giriş

• Veri Bilimi Projeleri

• Jupyter Notebooks Kullanımı

• Red Hat OpenShift AI Kurulumu

• Kullanıcı ve Kaynak Yönetimi

• Özel Notebook Görselleri

• Makine Öğrenimine Giriş

• Model Eğitimi

• RHOAI ile Model Eğitiminin İyileştirilmesi

• Model Sunumuna Giriş

• OpenShift AI Üzerinde Model Sunumu

• Veri Bilimi Boru Hatlarına Giriş

• Boru Hatlarıyla Çalışmak

• Deney ve Metrik Kontrolü

Kurumsal Katkı

Red Hat OpenShift AI, kurumların topladığı büyük veri kümelerini analiz etmesini, trendleri görselleştirmesini ve yapay zeka algoritmalarıyla geleceğe dönük tahminler yapmasını sağlar.
Bu, veri odaklı karar alma ve otomasyon süreçlerinde büyük avantaj yaratır.

Katılımcıya Katkısı

Bu eğitimi tamamlayan katılımcılar:

• OpenShift AI mimarisini ve bileşenlerini anlayacak,
• Platform kurulumunu ve kaynak yönetimini gerçekleştirebilecek,
• ML modellerini eğitip, test edip üretime alabilecek,
• Veri bilimi için RHOAI en iyi uygulamalarını kullanabilecek,
• Otomatik Data Science pipeline süreçleri oluşturabilecek.

1. Red Hat OpenShift AI’ye Giriş
OpenShift AI’nin mimarisi, bileşenleri ve özellikleri.

2. Veri Bilimi Projeleri
Kod ve yapılandırmaları proje bazlı organize etme, veri bağlantıları kurma.

3. Jupyter Notebooks
Kodları etkileşimli şekilde çalıştırma ve görselleştirme.

4. OpenShift AI Kurulumu
Platform bileşenlerini kurma ve yapılandırma.

5. Kullanıcı ve Kaynak Yönetimi
Kullanıcı erişimi ve kaynak tahsisini yönetme.

6. Özel Notebook Görselleri
Kuruma özel notebook görselleri oluşturma ve içe aktarma.

7. Makine Öğrenimine Giriş
Makine öğrenimi kavramlarını, türlerini ve iş akışlarını tanıma.

8. Model Eğitimi
Varsayılan veya özel çalışma alanlarıyla model eğitimi gerçekleştirme.

9. RHOAI ile Model Eğitiminin İyileştirilmesi
Veri bilimi ve ML en iyi uygulamalarını hayata geçirme.

10. Model Sunumuna Giriş
Eğitilmiş modellerin paylaşımı ve sunumu için gerekli bileşenler.

11. OpenShift AI’de Model Sunumu
Modelleri üretim ortamına alma ve yönetme süreçleri.

12. Veri Bilimi Boru Hatlarına Giriş
Veri bilimi süreçlerinde otomasyon ve yeniden üretilebilirlik.

13. Boru Hatlarıyla Çalışmak
Kubeflow SDK ve Elyra ile pipeline oluşturma.

14. Deney ve Metrik Kontrolü
Model performansını ölçme, deneyleri izleme ve sonuçları raporlama.