Warsztaty Red Hat AI Roadshow

Description

PrzeglądPółdniowe doświadczenie, Red Hat AI roadshow daje Ci wgląd w to, jak przyspieszyć czas przekształcania aplikacji z obsługą AI w wartość, która skaluje się w hybrydowej chmurze. Dzięki temu możesz zwiększyć produktywność zespołu, poprawić doświadczenia klientów i napędzać innowacje z wykorzystaniem gotowej do zastosowania AI, w tym generatywnej i predykcyjnej AI. Zobaczysz również, jak możesz mierzyć wpływ biznesowy inicjatywy AI.W ramach roadshow uczestnicy mają możliwość budowania, trenowania i wdrażania modeli AI oraz integrowania ich z aplikacją w praktycznym laboratorium. Doświadczą, jak to jest przejść od pomysłu do zbudowania dokładnego modelu, do posiadania aplikacji gotowej do produkcji.Czego nauczysz się i doświadczysz:Co jest potrzebne, aby zbudować bezpieczną, skalowalną aplikację z obsługą AI i pokazać, jaki ma wpływ na biznesJak generatywna AI jest wykorzystywana jako strategiczny czynnik umożliwiający przedsiębiorstwomJak Red Hat AI przyspiesza innowacje w dziedzinie AI i obniża koszty operacyjne rozwijania i dostarczania rozwiązań AI w środowiskach hybrydowej chmuryJak uzyskać spójną, szybką i opłacalną inferencjęDlaczego i jak dostosować modele do prywatnych danych przedsiębiorstwaInnowacje z Agentic AIPodejścia do innych powszechnych przeszkód w AI: bezpieczeństwo i ochrona AI, udostępnianie prywatnych modeli wewnętrznym użytkownikom oraz mierzenie wartości AIPraktyczne doświadczenie w pracy z platformą MLOps: Budowanie i trenowanie różnych typów modeli, integrowanie ich z aplikacją frontendową w celu tworzenia nowych funkcji i testowanie aplikacji jako użytkownik. Nie jest wymagane doświadczenie w AI. Kto powinien wziąć udział:Inżynier AIInżynierowie danychNaukowcy zajmujący się danymiInżynier MLDecydenci ITDyrektorzy ITArchitekci infrastrukturySpecjaliści infrastrukturyArchitekci przedsiębiorstwProgramiściArchitekci aplikacjiLiderzy zespołów programistycznychWiedza przed wyjazdemOperacje, programiści i praktycy nauki o danych, którzy biorą udział w praktycznym laboratorium, powinni mieć te sugerowane narzędzia i znajomość tych obszarów:Komputer przenośny działający na systemach Windows, MacOS lub Linux z przeglądarką internetową Firefox lub Chrome.Poziom podstawowy pojęcia KubernetesOgólne zrozumienie kontenerów Linux (np. Docker, CRI-O itd.).Ogólna wiedza o terminologii AI (np. uczenie maszynowe, uczenie głębokie, modele bazowe itd.).Nie jest wymagane doświadczenie w AI.