Curso Developing and Deploying AI/ML Applications on Red Hat OpenShift AI (AI267)

• Módulo 1: 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.

• Módulo 2: 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.

• Módulo 3: Jupyter Notebooks
• Usar Jupyter Notebooks para ejecutar y probar el código de forma interactiva.

• Módulo 4: Instalación de Red Hat OpenShift AI
• Instalar Red Hat OpenShift AI con la consola web y la CLI, y gestionar sus elementos.

• Módulo 5: Gestión de usuarios y recursos
• Administrar los usuarios de Red Hat OpenShift AI y asignar los recursos destinados a los entornos de trabajo.

• Módulo 6: Imágenes de notebooks personalizados
• Crear imágenes de los notebooks personalizados e importar uno a través del panel de Red Hat OpenShift AI.

• Módulo 7: Introducción al machine learning
• Describir los conceptos básicos del machine learning, sus diferentes tipos y sus flujos de trabajo.

• Módulo 8: Entrenamiento de modelos
• Entrenar modelos mediante el uso de entornos de trabajo predeterminados y personalizados.

• Módulo 9: 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.

• Módulo 10: 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.

• Módulo 11: Distribución de modelos en Red Hat OpenShift AI
• Ofrecer modelos de machine learning entrenados con OpenShift AI.

• Módulo 12: Servidores de modelos personalizados
• Implementar y ofrecer modelos de machine learning usando tiempos de ejecución personalizados para la distribución de los modelos.

• Módulo 13: Introducción a la automatización de los flujos de trabajo
• Crear, ejecutar y gestionar los canales de análisis de datos, y resolver sus problemas.

• Módulo 14: Elyra Pipelines
• Crear un canal de análisis de datos con Elyra.

• Módulo 15: KubeFlow Pipelines
• Crear un canal de análisis de datos con KubeFlow SDK.