Detaillierter Kursinhalt
Einführung in Red Hat OpenShift AI
Identifizieren der wichtigsten Funktionen von Red Hat OpenShift AI und beschreiben der Architektur und Komponenten von Red Hat AI
Data Science-Projekte
Organisieren von Code und Konfiguration mithilfe von Data Science-Projekten, Workbenches und Datenverbindungen
Jupyter Notebooks
Verwenden von Jupyter Notebooks zum interaktiven Ausführen und Testen von Code
Installieren von Red Hat OpenShift AI
Installieren von Red Hat OpenShift AI mit der Webkonsole und CLI und Verwalten von Komponenten von Red Hat OpenShift AI
Verwalten von Nutzenden und Ressourcen
Verwalten von Nutzenden von Red Hat OpenShift AI sowie die Ressourcenzuweisung für Workbenches
Benutzerdefinierte Notebook Images
Erstellen von benutzerdefinierten Notebook Images und Importieren von benutzerdefinierten Notebooks über das Dashboard von Red Hat OpenShift AI
Einführung in Machine Learning
Beschreiben grundlegender ML-Konzepte, verschiedene Arten von Machine Learning sowie ML-Workflows
Trainieren von Modellen
Trainieren von Modellen mit standardmässigen und benutzerdefinierten Workbenches
Verbessertes Modelltraining mit RHOAI
Anwenden von RHOAI Best Practices in Machine Learning und Data Science
Einführung in die Modellbereitstellung
Beschreiben der Konzepte und Komponenten, die zum Exportieren, Freigeben und Bereitstellen von trainierten ML-Modellen erforderlich sind
Modellbereitstellung in Red Hat OpenShift AI
Bereitstellen von trainierten ML-Modellen mit OpenShift AI
Einführung in Data Science Pipelines
Erstellen, Ausführen, Verwalten und Fehlerbehebung von Data Science Pipelines
Elyra Pipelines
Erstellen von Data Science Pipelines mit Elyra
Kubeflow Pipelines
Erstellen von Data Science Pipelines mit Kubeflow Pipelines