10월 27일(월) 개강
10월 27일(월) ~ 10월29(수)
・ 교육과정 | Developing and Deploying AI/ML Applications on Red Hat OpenShift AI |
・ 강의시간표 | 교육일정 10월 27일(월) ~ 10월 29일(수) (1일 7시간) 평일 교육시간 09:30 ~ 17:30 (점심시간 13:30 ~ 14:30) ※ 상기 교육시간은 상황에 따라 변동이 가능합니다. . |
・수강료 | 1,417,500원(VAT 별도) |
어떤 교육 인가요? | 교육 소개 Red Hat OpenShift AI에서의 AI/ML 애플리케이션 개발 및 배포 소개
교육 과정 요약
교육 대상
권장교육
기술 고려 사항
| ||||||||||||||||||||||||||||
교육은 이렇게 진행됩니다. | [교육 과정 내용]
| ||||||||||||||||||||||||||||
어떤 교육인가요?
교육 소개
Red Hat OpenShift AI에서의 AI/ML 애플리케이션 개발 및 배포 소개
- Developing and Deploying AI/ML Applications on Red Hat OpenShift AI(AI267)에서는 Red Hat OpenShift를 사용하여 AI/ML 애플리케이션을 개발하고 배포하는 방법에 대한 기본 지식을 학습합니다. 이 교육 과정을 통해 수강생은 Red Hat OpenShift AI를 사용하여 머신 러닝 모델의 학습, 개발, 배포에 필요한 핵심 기술을 핸즈온 경험을 통해 습득할 수 있습니다.
- 이 교육 과정은 Red Hat OpenShift® 4.16 및 Red Hat OpenShift AI 2.13을 기반으로 합니다.
교육 내용 요약
- Red Hat OpenShift AI 소개
- 데이터 사이언스 프로젝트
- Jupyter Notebook
- Red Hat OpenShift AI 설치
- 사용자 및 리소스 관리
- 사용자 정의 Notebook 이미지
- 머신 러닝 소개
- 모델 학습
- RHOAI로 모델 학습 향상
- 모델 제공 소개
- Red Hat OpenShift AI의 모델 제공
- 데이터 사이언스 파이프라인 소개
- 파이프라인 작업
- 파이프라인 및 실험 제어
교육 대상
- Red Hat OpenShift AI를 사용하여 ML 모델을 빌드하고 학습시키고자 하는 데이터 사이언티스트 및 AI 실무자
- AI/ML 지원 애플리케이션을 빌드하고 통합하고자 하는 개발자
- ML 워크플로우를 자동화하고자 하는 개발자, 데이터 사이언티스트 및 AI 실무자
- Red Hat OpenShift AI에서 ML 라이프사이클 운영을 담당하는 MLOps 엔지니어
권장교육
- Git 사용 경험 필요
- Python 개발 경험 필요 또는 Python Programming with Red Hat(AD141) 교육 과정 이수
- Red Hat OpenShift 경험 필요 또는 Red Hat OpenShift Developer II: Building and Deploying Cloud-native Applications(DO288) 교육 과정 이수
- 기본적인 AI, 데이터 사이언스, 머신 러닝 분야에 대한 경험 보유 권장
기술 고려 사항
- ILT 강의실을 이용할 수 없음
교육은 이렇게 진행됩니다.
[교육 내용 요약]
1.Red Hat OpenShift AI 소개 |
Red Hat OpenShift AI의 주요 기능을 파악하고 Red Hat AI의 아키텍처와 구성 요소를 설명합니다. |
⬇
2.데이터 사이언스 프로젝트 |
데이터 사이언스 프로젝트, 워크벤치, 데이터 연결을 사용하여 코드 및 구성을 관리합니다. |
⬇
3. Jupyter Notebook |
서upyter Notebook을 사용하여 대화식으로 코드를 실행하고 테스트합니다. |
⬇
4. Red Hat OpenShift AI 설치 |
Red Hat OpenShift AI를 설치하고 Red Hat OpenShift AI 구성 요소를 관리합니다. |
⬇
5. 사용자 및 리소스 관리 |
Red Hat OpenShift AI 사용자를 관리하고 리소스를 할당합니다. |
⬇
6. 사용자 정의 Notebook 이미지 |
Red Hat OpenShift AI에서 사용자 정의 Notebook 이미지를 생성하고 가져옵니다. |
⬇
7. 머신 러닝 소개 |
머신 러닝의 기본 개념, 다양한 머신 러닝 유형, 머신 러닝 워크플로우를 설명합니다. |
⬇
8. 모델 학습 |
기본 및 사용자 정의 워크벤치를 사용하여 모델을 학습시킵니다. . |
⬇
9. RHOAI로 모델 학습 향상 |
RHOAI를 사용하여 머신 러닝 및 데이터 사이언스에 모범 사례를 적용합니다. . |
⬇
10. 모델 제공 소개 |
학습된 머신 러닝 모델을 내보내고 공유하고 제공하는 데 필요한 개념 및 구성 요소를 설명합니다. |
⬇
11. Red Hat OpenShift AI의 모델 제공 |
OpenShift AI로 학습된 머신 러닝 모델을 제공합니다 |
⬇
12. 데이터 사이언스 파이프라인 소개 |
데이터 사이언스 파이프라인을 정의하고 설정합니다. |
⬇
13. 파이프라인 작업 |
Kubeflow SDK와 Elyra를 사용하여 데이터 사이언스 파이프라인을 생성합니다. |
⬇
14. 파이프라인 및 실험 제어 |
아티팩트, 메트릭, 실험을 통해 파이프라인을 구성하고 모니터링 및 추적합니다. |