Introducción a Red Hat OpenShift AI
Identificar las funciones principales de Red Hat OpenShift AI y describir la arquitectura y los elementos de Red Hat AI.
Proyectos de análisis de datos
Organizar el código y la configuración mediante el uso de proyectos de análisis de datos, entornos de trabajo y conexiones de datos.
Jupyter Notebooks
Usar Jupyter Notebooks para ejecutar y probar el código de forma interactiva.
Instalación de Red Hat OpenShift AI
Instalar Red Hat OpenShift AI con la consola web y la CLI, y gestionar sus elementos.
Gestión de usuarios y recursos
Administrar los usuarios de Red Hat OpenShift AI y asignar los recursos destinados a los entornos de trabajo.
Imágenes de notebooks personalizados
Crear imágenes de los notebooks personalizados e importar uno a través del panel de Red Hat OpenShift AI.
Introducción al machine learning
Describir los conceptos básicos del machine learning, sus diferentes tipos y sus flujos de trabajo.
Entrenamiento de modelos
Entrenar modelos mediante el uso de entornos de trabajo predeterminados y personalizados.
Mejora del entrenamiento de modelos con RHOAI
Usar Red Hat OpenShift AI (RHOAI) para aplicar las prácticas recomendadas del machine learning y el análisis de datos.
Introducción a la distribución de modelos
Describir los conceptos y los elementos que se necesitan para exportar, compartir y ofrecer modelos de machine learning entrenados.
Distribución de modelos en Red Hat OpenShift AI
Ofrecer modelos de machine learning entrenados con OpenShift AI.
Servidores de modelos personalizados
Implementar y ofrecer modelos de machine learning usando tiempos de ejecución personalizados para la distribución de los modelos.
Introducción a la automatización de los flujos de trabajo
Crear, ejecutar y gestionar los canales de análisis de datos, y resolver sus problemas.
Elyra Pipelines
Crear un canal de análisis de datos con Elyra.
KubeFlow Pipelines
Crear un canal de análisis de datos con KubeFlow SDK.