Richmond

5811, chemin Cooney, Richmond, Canada, V6X 3M1

Centre-ville de Richmond, à proximité de l'aéroport international de Vancouver, des principales lignes du Skytrain, des centres commerciaux, des banques et des restaurants.

Sous-catégories (2)

Image for the Kubeflow

Kubeflow
Image for the MLflow

MLflow

Découvrez nos formations

DeepSeek: Advanced Model Optimization and Deployment

 14 Heures
Cette formation en direct avec instructeur à Richmond (en ligne ou sur site) s'adresse aux ingénieurs en IA de niveau avancé et aux scientifiques des données ayant une expérience intermédiaire à avancée qui souhaitent améliorer les performances des modèles DeepSeek, minimiser la latence et déployer des solutions d'IA efficacement en utilisant des pratiques modernes MLOps. A l'issue de cette formation, les participants seront capables de :
  • Optimiser les modèles DeepSeek en termes d'efficacité, de précision et d'évolutivité.
  • Mettre en œuvre les meilleures pratiques pour MLOps et le versionnage des modèles.
  • Déployer des modèles DeepSeek sur une infrastructure cloud et sur site.
  • Surveiller, maintenir et mettre à l'échelle les solutions d'IA de manière efficace.
En savoir plus...

Kubeflow

 35 Heures
Cette formation en direct avec instructeur en Richmond (en ligne ou sur site) est destinée aux développeurs et aux scientifiques des données qui souhaitent construire, déployer et gérer des flux de travail d'apprentissage automatique sur Kubernetes. À l'issue de cette formation, les participants seront en mesure de :
  • Installer et configurer Kubeflow sur site et dans le cloud en utilisant AWS EKS (Elastic Kubernetes Service).
  • Construire, déployer et gérer des flux de travail de ML basés sur des conteneurs Docker et Kubernetes.
  • Exécuter des pipelines d'apprentissage automatique complets sur diverses architectures et environnements en nuage.
  • Utiliser Kubeflow pour créer et gérer des carnets Jupyter.
  • Construire des charges de travail d'entraînement ML, de réglage d'hyperparamètres et de service sur plusieurs plateformes.
En savoir plus...

Kubeflow Fundamentals

 28 Heures
Cette formation en direct avec instructeur en Richmond (en ligne ou sur site) est destinée aux développeurs et aux scientifiques des données qui souhaitent construire, déployer et gérer des flux de travail d'apprentissage automatique sur Kubernetes. À l'issue de cette formation, les participants seront en mesure de :
  • Installer et configurer Kubeflow sur site et dans le cloud.
  • Construire, déployer et gérer des flux de travail d'apprentissage automatique basés sur les conteneurs Docker et Kubernetes.
  • Exécuter des pipelines d'apprentissage machine complets sur diverses architectures et environnements cloud.
  • Utiliser Kubeflow pour créer et gérer des carnets Jupyter.
  • Construire des charges de travail d'entraînement ML, de réglage d'hyperparamètres et de service sur plusieurs plateformes.
En savoir plus...

Kubeflow on AWS

 28 Heures
Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux ingénieurs qui souhaitent déployer des charges de travail Machine Learning sur un serveur AWS EC2. A l'issue de cette formation, les participants seront capables de :
  • Installer et configurer Kubernetes, Kubeflow et d'autres logiciels nécessaires sur AWS.
  • Utiliser EKS (Elastic Kubernetes Service) pour simplifier le travail d'initialisation d'un cluster Kubernetes sur AWS.
  • Créer et déployer un pipeline Kubernetes pour automatiser et gérer les modèles ML en production.
  • Entraîner et déployer TensorFlow modèles ML sur plusieurs GPU et machines fonctionnant en parallèle.
  • Mettre à profit d'autres services gérés AWS pour étendre une application ML.
En savoir plus...

Kubeflow on Azure

 28 Heures
Cette formation en direct avec instructeur (en ligne ou sur site) est destinée aux ingénieurs qui souhaitent déployer des charges de travail Machine Learning dans le nuage Azure. A l'issue de cette formation, les participants seront capables de :
  • Installer et configurer Kubernetes, Kubeflow et d'autres logiciels nécessaires sur Azure.
  • Utiliser Azure Kubernetes Service (AKS) pour simplifier le travail d'initialisation d'un cluster Kubernetes sur Azure.
  • Créer et déployer un pipeline Kubernetes pour automatiser et gérer les modèles ML en production.
  • Entraîner et déployer TensorFlow modèles ML sur plusieurs GPU et machines fonctionnant en parallèle.
  • Mettre à profit d'autres services gérés AWS pour étendre une application ML.
En savoir plus...

MLflow

 21 Heures
Cette formation en direct (en ligne ou sur site) est destinée aux data scientists qui souhaitent aller au-delà de la construction de modèles ML et optimiser le processus de création, de suivi et de déploiement des modèles ML. A l'issue de cette formation, les participants seront capables de :
  • Installer et configurer MLflow et les bibliothèques et frameworks ML associés.
  • Apprécier l'importance de la traçabilité, de la reproductibilité et de la déployabilité d'un modèle ML
  • Déployer des modèles de ML sur différents clouds publics, plateformes ou serveurs sur site.
  • Mettre à l'échelle le processus de déploiement du ML afin d'accommoder plusieurs utilisateurs collaborant à un projet.
  • Mettre en place un registre central pour expérimenter, reproduire et déployer des modèles de ML.
En savoir plus...

MLOps: CI/CD for Machine Learning

 35 Heures
Cette formation en direct (en ligne ou sur site) s'adresse aux ingénieurs qui souhaitent évaluer les approches et les outils disponibles aujourd'hui afin de prendre une décision intelligente sur la voie à suivre pour adopter MLOps au sein de leur organisation. A l'issue de cette formation, les participants seront capables de :
  • Installer et configurer divers cadres et outils MLOps.
  • Assembler le bon type d'équipe avec les bonnes compétences pour construire et soutenir un système MLOps.
  • Préparer, valider et modifier les données en vue de leur utilisation par les modèles de ML.
  • Comprendre les composants d'un pipeline de ML et les outils nécessaires pour en construire un.
  • Expérimenter différents cadres et serveurs d'apprentissage automatique pour les déployer en production.
  • Opérationnaliser l'ensemble du processus Machine Learning pour qu'il soit reproductible et maintenable.
En savoir plus...

MLOps for Azure Machine Learning

 14 Heures
Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux ingénieurs en apprentissage automatique qui souhaitent utiliser Azure Machine Learning et Azure DevOps pour faciliter les pratiques MLOps. À l'issue de cette formation, les participants seront en mesure de :
  • Construire des flux de travail reproductibles et des modèles d'apprentissage automatique.
  • Gérer le cycle de vie de l'apprentissage automatique.
  • Suivre et rapporter l'historique des versions des modèles, les actifs, et plus encore.
  • Déployer des modèles d'apprentissage automatique prêts pour la production n'importe où.
En savoir plus...

Dernière Mise À Jour:

Nos clients témoignent (3)

l'écosystème ML comprend non seulement MLFlow mais aussi Optuna, hyperops, docker et docker-compose

Guillaume GAUTIER - OLEA MEDICAL

Formation - MLflow

Traduction automatique

La qualité des explications, et le nombre important de sujets abordés

Hugo SECHIER - Expleo France

Formation - Kubeflow on AWS

J'ai apprécié de participer à la formation Kubeflow, qui s'est déroulée en ligne. Cette formation m'a permis de consolider mes connaissances sur les services AWS, K8s et tous les outils DevOps associés à Kubeflow, qui sont les bases nécessaires pour aborder correctement le sujet. Je tiens à remercier Malawski Marcin pour sa patience et son professionnalisme dans la formation et ses conseils sur les meilleures pratiques. Malawskiaborde le sujet sous différents angles, avec divers outils de déploiement Ansible, EKS kubectl, Terraform. Maintenant, je suis définitivement convaincu que je m'oriente vers le bon domaine d'application.

Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM

Formation - Kubeflow

Traduction automatique

Cours à venir

Kubeflow

2025-05-26 09:30
35 Heures
Richmond
CA$ 8,784 (En ligne)
CA$ 11,284 (Salle de Classe)

MLOps: CI/CD for Machine Learning

2025-06-09 09:30
35 Heures
Richmond
CA$ 8,784 (En ligne)
CA$ 11,284 (Salle de Classe)

MLflow

2025-06-23 09:30
21 Heures
Richmond
CA$ 5,270 (En ligne)
CA$ 6,770 (Salle de Classe)

MLflow

2025-07-07 09:30
21 Heures
Richmond
CA$ 5,270 (En ligne)
CA$ 6,770 (Salle de Classe)

Kubeflow

2025-07-21 09:30
35 Heures
Richmond
CA$ 8,784 (En ligne)
CA$ 11,284 (Salle de Classe)

Autres régions en Canada

D'autres Pays

Ces formations sont également disponibles dans d'autres pays

Conseil

MLOps Conseil
MLOps formation à Richmond, Weekend MLOps cours à Richmond, Soir MLOps formation à Richmond, MLOps formateur en ligne à Richmond, MLOps formation à Richmond, MLOps cours du soir à Richmond, MLOps formation Intra à Richmond, MLOps formation Intra Entreprise à Richmond, MLOps formation Inter à Richmond, MLOps formation Inter Entreprise à Richmond, MLOps professeur à Richmond,MLOps cours à Richmond, MLOps stage de préparation à Richmond, MLOps coach à Richmond, MLOps préparation à Richmond, MLOps instructeur à Richmond, MLOps préparation aux examens à Richmond, MLOps cours particuliers à Richmond, MLOps sur place à Richmond, MLOps cours privé à Richmond, Soir MLOps cours à Richmond, Weekend MLOps formation à Richmond, MLOps formateur à Richmond, MLOps entraînement à Richmond, MLOps coaching à Richmond