Мастерская Red Hat AI Roadshow

Description

Обзор Полудневный опыт, мастерская Red Hat AI Roadshow дает вам представление о том, как ускорить время достижения ценности приложений с поддержкой ИИ, которые масштабируются на гибридном облаке. Таким образом, вы можете увеличить продуктивность команды, улучшить впечатления клиентов и стимулировать инновации с помощью готового к предприятию ИИ, включая генеративный и предсказательный ИИ. Вы также увидите, как можно измерить бизнес-импакт инициативы ИИ. В рамках мастерской участники получат возможность создавать, обучать и развертывать модели ИИ и интегрировать их в приложение с помощью практической лаборатории. Они испытают, как это — перейти от идеи к созданию точной модели до получения готового к производству приложения. Что вы узнаете и испытаете: Что требуется для создания безопасного, масштабируемого приложения с поддержкой ИИ и демонстрации создаваемого бизнес-импакта Как генеративный ИИ используется как стратегический катализатор для предприятий Как Red Hat AI ускоряет инновации в области ИИ и снижает операционные затраты на разработку и доставку ИИ-решений в гибридных облачных средах Как получить последовательные, быстрые и эффективные по затратам результаты Почему и как согласовывать модели с данными частных предприятий Инновации с Agentic AI Подходы к другим распространенным препятствиям для ИИ: безопасность и защита ИИ, предоставление частных моделей внутренним пользователям и оценка ценности ИИ Практический опыт работы с платформой MLOps: создание и обучение различных типов моделей, интеграция их в фронтенд-приложение для создания новых функций и тестирование приложения в качестве пользователя. Не требуется опыта в ИИ. Кто должен принять участие: Инженер ИИ Инженеры данных Научные сотрудники по данным Инженер ML Решения IT Директора IT Архитекторы инфраструктуры Специалисты по инфраструктуре Архитекторы предприятий Разработчики Архитекторы приложений Руководители команд разработчиков Перед тем как прийти Операторы, разработчики и практики науки о данных, участвующие в практической лаборатории, должны иметь следующие рекомендуемые инструменты и знания в этих областях: Ноутбук с Windows, MacOS или Linux с веб-браузером Firefox или Chrome. Основные концепции Kubernetes Общее представление о контейнерах Linux (например, Docker, CRI-O и т. д.). Общие знания терминологии ИИ (например, машинное обучение, глубокое обучение, модели базового уровня и т. д.). Не требуется опыта в ИИ.