s0sta
EN NL عربي
الفلاتر
طريقة البحث
  • الكلمات العادية تجد الأسماء والنصوص والأمثلة.
  • "كلمتان" تجد العبارة بالضبط.
  • --name أو -x تجد خيارًا.
  • #كلمة تبحث داخل الأوامر فقط.
  • @grep تجد الدروس والمعامل التي تستخدم grep.
  • الفلاتر: cat:network · in:labs · level:rhcsa · ch:8 · root:yes. ضع ! قبل كلمة لاستبعادها. OR بين الكلمات تعني إحداها.
  • ↑ ↓ للتنقل · Enter للفتح · Esc للإغلاق · / للبحث

MLOps والبنية التحتية للذكاء الاصطناعي (السنة الثانية)

الخطوة التالية بعد DevSecOps: كيف تُدرَّب النماذج وتُتابَع وتُحزَّم وتُقدَّم وتُراقَب في الإنتاج على Kubernetes.

دورة من
Open courses
رمز الدورة
MLOps
الإصدار
2026
الدروس
30

تتبع هذه الملخصات المحتوى المنشور للدورة. كتبت كل درس بكلماتي الخاصة وجرّبت الأوامر على RHEL 10. هي ليست مادة تدريبية من Red Hat. التحق بالدورة الرسمية للمحتوى الكامل والمعامل العملية.

الأجزاء والفصول

الجزء 1

المفاهيم

  1. 1Learn the machine-learning words an engineer needsMachine learning basics4 دروس
    الدروس
    1. 1.1 Know what a model is
    2. 1.2 Know the main kinds of ML
    3. 1.3 Train a tiny model
    4. 1.4 Understand why ML needs operations
  2. 2Follow the ML lifecycleThe MLOps lifecycle4 دروس
    الدروس
    1. 2.1 See the lifecycle
    2. 2.2 Know the maturity levels
    3. 2.3 Version everything
    4. 2.4 Add DevSecOps to ML
  3. 3Track experiments and models with MLflowExperiment tracking and model registry4 دروس
    الدروس
    1. 3.1 Run an MLflow server
    2. 3.2 Log a training run
    3. 3.3 Compare runs
    4. 3.4 Promote models in the registry

الجزء 2

الخطوط والتقديم

  1. 4Automate training with pipelinesOrchestration and training pipelines4 دروس
    الدروس
    1. 4.1 Split training into steps
    2. 4.2 Choose an orchestrator
    3. 4.3 Write a Prefect flow
    4. 4.4 Add quality gates
  2. 5Serve models as APIsModel deployment and serving5 دروس
    الدروس
    1. 5.1 Build a model API
    2. 5.2 Package it in a container
    3. 5.3 Choose online or batch
    4. 5.4 Serve on Kubernetes with KServe
    5. 5.5 Release models safely
  3. 6Monitor models in productionModel monitoring4 دروس
    الدروس
    1. 6.1 Watch the service
    2. 6.2 Detect data drift
    3. 6.3 Measure real quality
    4. 6.4 Close the loop
  4. 7Run AI workloads on KubernetesML platforms on Kubernetes5 دروس
    الدروس
    1. 7.1 Give pods GPUs
    2. 7.2 Know Kubeflow
    3. 7.3 Share the cluster fairly
    4. 7.4 Secure the ML platform
    5. 7.5 Plan your first MLOps project