Curso de MLOps on Kubernetes: CI/CD Pipelines for Machine Learning

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a engenheiros de IA de nível avançado e cientistas de dados com experiência intermediária a avançada que desejam aprimorar o desempenho do modelo DeepSeek, minimizar a latência e implantar soluções de IA de forma eficiente usando práticas modernas MLOps.

No final deste treinamento, os participantes serão capazes de:

• Otimize os modelos DeepSeek para eficiência, precisão e escalabilidade.
• Implementar as melhores práticas para MLOps e versionamento de modelo.
• Implante modelos DeepSeek na nuvem e na infraestrutura local.
• Monitorizar, manter e escalar soluções de IA de forma eficaz.

DO180 é uma introdução a contêineres, fundamentos do Kubernetes e conceitos da plataforma Red Hat OpenShift, focada em habilidades práticas.

Este treinamento conduzido por instrutor (online ou presencial) é destinado a profissionais técnicos de nível iniciante a intermediário que desejam aprender fluxos de trabalho com contêineres, primitivas do Kubernetes e como implantar e operar aplicativos no OpenShift.

Ao final deste treinamento, os participantes serão capazes de:

• Construir e gerenciar imagens de contêineres e registros com práticas recomendadas para reprodutibilidade e segurança.
• Implantar e gerenciar objetos do Kubernetes, como pods, implantações e serviços no OpenShift.
• Usar recursos do OpenShift, incluindo rotas, BuildConfigs e o console web para facilitar a entrega de aplicativos.
• Implementar armazenamento persistente, gerenciamento de configuração e manipulação de segredos para cargas de trabalho com estado.
• Aplicar práticas básicas de segurança, RBAC e monitoramento para manter clusters e aplicativos saudáveis.

Formato do Curso

• Aula interativa e discussão.
• Laboratórios práticos em um ambiente OpenShift ao vivo todos os dias.
• Exercícios baseados em cenários e oficinas de solução de problemas.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

Este treinamento liderado por instrutor em Brasil (online ou presencial) é voltado para engenheiros que desejam usar o Helm para simplificar o processo de instalação e gerenciamento de aplicativos Kubernetes.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar o Helm.
• Criar builds reproduzíveis de aplicativos Kubernetes.
• Compartilhar aplicativos como gráficos Helm.
• Executar aplicativos de terceiros salvos como gráficos Helm.
• Gerenciar versões de pacotes Helm.

Esse treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores e cientistas de dados que desejam criar, implantar e gerenciar fluxos de trabalho de aprendizado de máquina em Kubernetes.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar Kubeflow no local e na nuvem usando o AWS EKS (Elastic Kubernetes Service).
• Crie, implante e gerencie fluxos de trabalho de ML com base em contêineres Docker e Kubernetes.
• Executar pipelines de aprendizagem automática completos em diversas arquitecturas e ambientes de nuvem.
• Usando Kubeflow para gerar e gerenciar notebooks Jupyter.
• Criar treinamento de ML, ajuste de hiperparâmetros e servir cargas de trabalho em várias plataformas.

Este treinamento presencial, conduzido por instrutor (online ou local), é voltado para engenheiros que desejam implantar cargas de trabalho de Machine Learning em um servidor AWS EC2.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar Kubernetes, Kubeflow e outros softwares necessários no AWS.
• Usar EKS (Elastic Kubernetes Service) para simplificar a inicialização de um cluster do Kubernetes no AWS.
• Criar e implantar um pipeline do Kubernetes para automatizar e gerenciar modelos de ML em produção.
• Treinar e implantar modelos de ML do TensorFlow em múltiplas GPUs e máquinas executando em paralelo.
• Leverage outros serviços gerenciados pela AWS para estender um aplicativo de ML.

Este treinamento dirigido por instrutor (online ou presencial) é destinado a engenheiros que desejam implantar cargas de trabalho de Machine Learning na nuvem Azure.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar o Kubernetes, Kubeflow e outros softwares necessários no Azure.
• Usar o Azure Kubernetes Service (AKS) para simplificar a inicialização de um cluster do Kubernetes no Azure.
• Criar e implantar um pipeline do Kubernetes para automatizar e gerenciar modelos de ML em produção.
• Treinar e implantar modelos de ML do TensorFlow em múltiplos GPUs e máquinas executando em paralelo.
• Aproveitar outros serviços gerenciados da AWS para estender um aplicativo de ML.

Kubeflow is an open-source platform designed to streamline building, training, and deploying machine learning workloads on Kubernetes.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level professionals who wish to build reliable ML workflows using Kubeflow.

Upon completion of this training, attendees will gain the skills to:

• Navigate the Kubeflow ecosystem and core components.
• Build reproducible workflows with Kubeflow Pipelines.
• Run scalable training jobs on Kubernetes.
• Serve machine learning models efficiently using Kubeflow Serving.

Format of the Course

• Guided presentations and collaborative discussions.
• Hands-on labs with real Kubeflow components.
• Practical exercises to build end-to-end ML workflows.

Course Customization Options

• Customized versions of this training can be arranged to align with your team’s technology stack and project requirements.

Esse treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores e cientistas de dados que desejam criar, implantar e gerenciar fluxos de trabalho de aprendizado de máquina em Kubernetes.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar Kubeflow no local e na nuvem.
• Crie, implante e gerencie fluxos de trabalho de ML com base em contêineres Docker e Kubernetes.
• Executar pipelines de aprendizado de máquina inteiros em diversas arquiteturas e ambientes de nuvem.
• Usando Kubeflow para gerar e gerenciar notebooks Jupyter.
• Criar treinamento de ML, ajuste de hiperparâmetros e servir cargas de trabalho em várias plataformas.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores de software de nível iniciante a intermediário e DevOps profissionais que desejam aprender como configurar e gerenciar um ambiente local Kubernetes usando o Minikube.

No final deste treinamento, os participantes serão capazes de:

• Instalar e configurar o Minikube em sua máquina local.
• Compreender os conceitos básicos e a arquitetura de Kubernetes.
• Implantar e gerenciar contêineres usando o kubectl e o painel do Minikube.
• Configurar armazenamento persistente e soluções de rede para Kubernetes.
• Utilizar o Minikube para desenvolver, testar e depurar aplicações.

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a desenvolvedores de nível intermediário e engenheiros DevOps que desejam usar o Minikube como parte de seu fluxo de trabalho de desenvolvimento.

No final deste treinamento, os participantes serão capazes de:

• Configurar e gerenciar um ambiente Kubernetes local usando o Minikube.
• Entender como implantar, gerenciar e depurar aplicativos no Minikube.
• Integrar o Minikube em seus pipelines de integração e implantação contínuas.
• Otimizar seu processo de desenvolvimento usando os recursos avançados do Minikube.
• Aplicar as melhores práticas para o desenvolvimento local Kubernetes.

Este treinamento ao vivo conduzido por instrutor (no local ou remoto) é destinado a cientistas de dados que desejam ir além da construção de modelos de ML e otimizar o processo de criação, rastreamento e implantação de modelos de ML.

No final deste treinamento, os participantes serão capazes de:

• Instalar e configurar MLflow e bibliotecas e estruturas de ML relacionadas.
• Apreciar a importância da rastreabilidade, reprodutibilidade e implantação de um modelo de ML
• Implantar modelos de ML em diferentes nuvens públicas, plataformas ou servidores locais.
• Dimensionar o processo de implementação de ML para acomodar vários utilizadores que colaboram num projeto.
• Criar um registo central para experimentar, reproduzir e implementar modelos de ML.

Este treinamento presencial, conduzido por um instrutor em Brasil (online ou no local), é destinado a engenheiros que desejam avaliar as abordagens e ferramentas disponíveis hoje para tomar uma decisão inteligente sobre o caminho a seguir na adoção de MLOps em sua organização.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar vários frameworks e ferramentas de MLOps.
• Montar a equipe certa com as habilidades adequadas para construir e suportar um sistema de MLOps.
• Preparar, validar e versionar dados para uso por modelos de ML.
• Compreender os componentes de uma Pipeline de ML e as ferramentas necessárias para construí-la.
• Experimentar diferentes frameworks e servidores de machine learning para implantação em produção.
• Operacionalizar todo o processo de Machine Learning para que seja reproduzível e mantido.

Este treinamento liderado por instrutor (online ou presencial) é voltado para engenheiros de machine learning que desejam usar o Azure Machine Learning e o Azure DevOps para facilitar as práticas de MLOps.

Ao final deste treinamento, os participantes serão capazes de:

• Construir fluxos de trabalho e modelos de machine learning reproduzíveis.
• Gerenciar o ciclo de vida de machine learning.
• Rastrear e relatar o histórico de versão do modelo, ativos e mais.
• Implementar modelos de machine learning prontos para produção em qualquer lugar.