High Level Education Path for MLOps
Il corso fornisce una panoramica ad alto livello dei principi fondamentali di MLOps, enfatizzando sia gli aspetti tecnici che operativi. Diviso in tre giorni di formazione, il corso copre gli aspetti dello sviluppo, dell’infrastruttura e delle operazioni nel contesto del machine learning operativo. Â
CODE: DSAI204
Category: Corso Intelligenza Artificiale
Metodologia didattica
Il corso prevede laboratori didattici in cui ogni studente potrà svolgere esercizi di formazione che forniranno esperienza pratica nell’uso dello strumento, per ognuno degli argomenti trattati durante il corso.
Prerequisiti
- Conoscenza di base di informatica e cloud computing.Â
Di seguito è riportata una panoramica dei contenuti del corso:
Day 1 (Dev Side):
Python: Questo modulo offre una panoramica completa del linguaggio di programmazione Python, coprendo sia i concetti di base che quelli avanzati necessari per lo sviluppo di applicazioni.
Ambienti di esecuzione: Gli studenti imparano a configurare e gestire gli ambienti di esecuzione per lo sviluppo e il testing delle proprie applicazioni, inclusi ambienti virtuali e configurazioni di sviluppo.
Git: Questo modulo fornisce una guida pratica sull’uso di Git, un sistema di controllo delle versioni ampiamente utilizzato, per il tracciamento delle modifiche al codice sorgente e la collaborazione nello sviluppo del software.
Day 2 (Infrastructure Side):
Cloud: Questo modulo introduce i concetti fondamentali del cloud computing e illustra l’utilizzo di piattaforme cloud come Amazon Web Services (AWS), Microsoft Azure o Google Cloud Platform per la distribuzione e la gestione delle applicazioni.
Docker: Gli studenti imparano a utilizzare Docker, una piattaforma di containerizzazione che consente di creare, distribuire e gestire applicazioni in contenitori software leggeri e portabili.
Kubernetes: Questo modulo fornisce una panoramica approfondita di Kubernetes, un sistema open-source per l’automazione della distribuzione, della scalabilità e della gestione delle applicazioni containerizzate in ambienti cloud e on-premise.
Day 3 (Operations Side):
Elementi base di AI con Python: Gli studenti vengono introdotti ai concetti fondamentali dell’intelligenza artificiale utilizzando il linguaggio di programmazione Python, comprese le librerie più comuni come TensorFlow e PyTorch.
Elementi base di ML con Python: Questo modulo offre una panoramica dei concetti di base del machine learning utilizzando Python, coprendo argomenti come l’addestramento di modelli, la valutazione delle prestazioni e la selezione delle caratteristiche.
Concetti elementari di Pipeline su Kubeflow: Gli studenti apprendono i concetti di base delle pipeline su Kubeflow, un framework open-source progettato per semplificare lo sviluppo, la formazione e la distribuzione di modelli di machine learning su Kubernetes.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere la figura MLOps Engineer.Â
- Comprendere i concetti fondamentali di AIÂ
- Comprendere i concetti fondamentali di MLÂ
- Comprendere degli ambienti Cloud.Â
- Comprendere la containerizzazione.Â
- Comprendere le pipeline e il loro utilizzo.Â
Durata – 3 giorni
Erogazione – in aula, in loco, da remoto
Requisiti PC e SW:
- Connessione a Internet
- Browser web, Google Chrome
- Zoom
Lingua
- Istruttore: Italiano
- Laboratori: Inglese
- Slides: Inglese
