Docker for MLOps：端到端管線容器化培訓

本課程為授課教師主導的實操培訓，在地點為香港，形式為線上或線下，旨在幫助工程師提升Docker知識，以便在大規模部署應用的同時保持對系統的管控。

完成本培訓後，學員將能夠：

• 構建自己的Docker映像。
• 部署並管理大量Docker應用。
• 評估不同的容器編排解決方案，並選擇最合適的一種。
• 為Docker應用設定持續集成流程。
• 將Docker應用與現有的持續集成工具流程相整合。
• 確保Docker應用的安全性。

本課程爲講師引導的培訓，在香港（線上或線下）進行，面向具有中高級經驗的AI工程師和數據科學家，旨在通過現代MLOps實踐，提升DeepSeek模型的性能，減少延遲，並高效部署AI解決方案。

培訓結束後，學員將能夠：

• 優化DeepSeek模型，提升效率、準確性和可擴展性。
• 實施MLOps和模型版本控制的最佳實踐。
• 在雲端和本地基礎設施上部署DeepSeek模型。
• 有效監控、維護和擴展AI解決方案。

學習如何使用Docker、Kubernetes和OpenShift構建、部署和管理容器化環境。本課程爲期五天，涵蓋容器鏡像、Kubernetes工作負載、集羣網絡、存儲、安全、監控和OpenShift管理。學員將掌握操作現代容器平臺並在開發和生產環境中排查應用問題所需的技能。

在這次由講師指導的香港（線下或遠程）培訓中，參與者將學習如何創建和管理Docker容器，然後在容器內部署一個示例應用。參與者還將學習如何在Kubernetes集羣中自動化、擴展和管理他們的容器化應用。最後，培訓將深入探討更高級的主題，引導參與者完成Kubernetes集羣的安全、擴展和監控過程。

通過本次培訓，參與者將能夠：

• 設置並運行Docker容器。
• 部署容器化的服務器和Web應用。
• 構建和管理Docker鏡像。
• 設置Docker和Kubernetes集羣。
• 使用Kubernetes部署和管理集羣化的Web應用。
• 對Kubernetes集羣進行安全、擴展和監控。

培訓目標：掌握Docker與Kubernetes的理論與操作技能。

本課程為講師帶領的培訓，地點為 香港（線上或線下），專為希望在 Kubernetes 上構建、部署及管理機器學習工作流的開發人員和數據科學家而設計。

完成本培訓後，學員將能夠：

• 在本地環境和雲環境中安裝並配置 Kubeflow。
• 基於 Docker 容器和 Kubernetes 構建、部署及管理 ML 工作流。
• 在多種架構和雲環境中執行完整的機器學習管道。
• 使用 Kubeflow 啟動並管理 Jupyter 筆記本。
• 跨多個平台構建 ML 訓練、超參數調優及服務工作負載。

本次由講師指導的培訓在香港（線上或線下）面向希望評估當前可用方法和工具的工程師，以便在組織內採用MLOps時做出明智的決策。

通過本次培訓，參與者將能夠：

• 安裝和配置各種MLOps框架和工具。
• 組建具備正確技能的團隊，以構建和支持MLOps系統。
• 準備、驗證和版本化數據以供ML模型使用。
• 瞭解ML管道的組件及其所需的工具。
• 實驗不同的機器學習框架和服務器，以部署到生產環境。
• 將整個機器學習過程操作化，使其可重現和可維護。