Mentorált

AIOps & MLOps - AI üzemeltetés és biztonság

Name: AIOps & MLOps - AI üzemeltetés és biztonság
Brand: Cubix Institute of Technology
SKU: 9800
Price: 245000 HUF
Availability: InStock

Átfogó képzési program Python nyelv használatával fejlesztőknek és adatelemzőknek

Kamatmentes részletfizetés

Pénzvisszafizetési garancia

245 000 Ft

Céges ajánlatot kérek

Kívánságlistára rakom Ajándékba veszem Érdekel, de kérdeznék

Szerző: Cubix Institute of Technology

Képzés tematika

Hasznos információk a kurzushoz

1. lecke

Hogyan használd a felületet?

2. lecke

Képzés használati útmutató

1. hét: Üzemeltetés, üzembe helyezés: Motiváció, DevOps és MLOps elvek Pythonban

3. lecke

[Kick-off Live Alkalom] 2026.09.24. 18:00

4. lecke

MLOps alapok

5. lecke

Motiváció az MLOps mögött

6. lecke

Szerepkörök

7. lecke

Machine Learning röviden

8. lecke

MLOps Ciklus

9. lecke

Az MLOps előnyei

10. lecke

Production ready code Pythonban

11. lecke

[Live Alkalom] 2026.10.01. 18:00

2. hét: ML Experiment Tracking, MLOps és kapcsolatai

12. lecke

Projektmenedzsment

13. lecke

Adat releváns kérdések

14. lecke

Adat minősége

15. lecke

Adat menedzsment, Feature Store

16. lecke

Model és metadata menedzsment

17. lecke

Technológia és emberi aspektusok

Pycaret bemutatása

Mlflow bemutatása

[Prezentáció] 1. hét

[Házi feladat] 1. hét (Határidő: 2026.11.16.)

22. lecke

[Live Alkalom] 2026.10.08. 18:00

3. hét: Production ready kód, ML pipelinok és REST API

23. lecke

PEP8 és ML pipelineok

24. lecke

ML pipelineok tesztje

25. lecke

REST API

26. lecke

[Live Alkalom] 2026.10.15. 18:00

4. hét: DevOps alapok, MLOps szintek, MLflow gyakorlat

27. lecke

MLflow gyakorlat, kód mellékelve

28. lecke

DevOps, termék érettségi szint, technikai adósság, tesztelés

29. lecke

CICD és MLOps szintek

30. lecke

Deployment strategiák

31. lecke

[Házi feladat] 2. hét (Határidő: 2025.11.23.)

32. lecke

[Live Alkalom] 2026.10.22. 18:00

5. hét: Konténerizáció, Docker, Monitorozás, Evidently AI, Streamlit

33. lecke

Docker

34. lecke

Docker forráskód

35. lecke

Monitorozás, EvidentlyAI, Streamlit

36. lecke

Evidently és Streamlit kód

37. lecke

[Live Alkalom] 2026.10.29. 18:00

6. hét: Ütemezés, Airflow

38. lecke

Elmélet: Automatizálás, Ütemezés, Airflow

39. lecke

Airflow gyakorlat

40. lecke

Házi Feladat

6. hét: GCP MLOps gyakorlat: automatizálás, CICD, tesztelés

41. lecke

Microservice, monolit architektúra

42. lecke

Google Cloud Platform - GCP, Cloud Run, Github Actions

43. lecke

GCP beállítások a felületen - http://console.cloud.google.com

44. lecke

Ezt fogjuk kapni, lássuk a folyamat végét: Cloud Runban futtatjuk a pipelines-t

45. lecke

Terminál parancsok

46. lecke

Konfigurációs Github yaml fájl megismerése (Forráskód a mellékletek között)

47. lecke

Ppt

48. lecke

[Házi feladat]

49. lecke

[Live Alkalom] 2026.11.05. 18:00

7. hét: DevSecOps és ML biztonság: Sérülékenységek, támadások és gyakorlati elhárításuk

50. lecke

DevSecOps, támadások és elhárítási technikák

51. lecke

DevSecOps folyamat áttekintése

52. lecke

Open source és cloud biztonsági eszközök

53. lecke

Modelleket érintő támadások és elhárítási technikák

54. lecke

MLOps rendszert érintő támadások és elhárítási technikák

55. lecke

MLSecOps jövője

56. lecke

Modelscan és Safety CLI

57. lecke

Modelscan és Safety CLI kódjának megismerése

58. lecke

Adversarial Robustness Testing

59. lecke

Adversarial Robustness Testing eredményeinek elemzése

60. lecke

[Házi feladat]

7. hét: Keretrendszerek, AI etika és biztonság, MLSecOps rendszer tervezés

61. lecke

AI etika

62. lecke

GDPR, EU AI ACT

63. lecke

AISecOps/MLSecOps rendszer tervezés

64. lecke

[Forráskód]

65. lecke

[Live Alkalom] 2026.11.12. 18:00

10.

8-9. hét: Záróprojekt

66. lecke

Záró Projektfeladat (Feltöltési határidő:2026.04.07. éjfél)

A képzésről

Kategória: Mesterséges Intelligencia

Fejlesztendő skillek:

mlops python machine learning ai devops docker mesterséges intelligencia pandas rest api matplotlib scikit-learn gépi tanulás tensorflow keras adatgyűjtés adat-előkészítés ann RNN LSTM Transformer gépi látás idősorok PyTorch NLP

Indulás: 2026-09-24

Képzés hossza: 9 hét

Képzés azonosítója: mach_l_ops

Oktató

Cubix Institute of Technology

Cubix Institute of Technology aims to gather the most important skill set building blocks for IT professionals by organizing cohort-based online IT&TECH trainings with the help of industry-leading mentors, tech companies and higher education institutions. Our constantly expanding portfolio currently consists of 35+ courses, including topics, e.g.: Frontend and Backend development (Java, Python, C++, JavaScript, Angular, React, Node.js, C#, .NET, stb), Mobile and Cross-Platform Development (iOS, Android, Flutter), IT Project and Product Management, Software Testing, DevOps, and Cloud Solutions, Data Science, AI/ML/DL, UI/UX, IT security, Video Game-, AR/VR/XR Development, IoT and Embedded System Development, Blockchain, etc. Become a member of our community!

Online IT academy

Boros Gerzson Dávid

Lead Machine Learning Engineer és CEO

Oktató további kurzusai

ML Engineering: Machine Learning modellek fejlesztése tanfolyam

AI projektek üzleti- és technológiai kihívásai a gyakorlatban

Bevezetés az Amazon Web Services (AWS) lehetőségeibe

Összes megtekintése (129)

Értékelések

A képzés önmagában is nagyon értékes tudásanyagot ad át, de a Machine Learning modellek fejlesztése tanfolyammal kiegészítve szerintem rendkívül értékes tudásanyaghoz tud hozzájutni az, aki beleteszi az időt és az energiát mindkét képzésbe. Nagyon sokat jelentett az is, hogy az oktatókhoz bátran lehetett fordulni kérdésekkel, és végig segítőkészek, támogatók voltak. A megszerzett tudás és a gyakorlati tapasztalat önmagában is nagyon értékes volt. Köszönöm a lehetőséget és a szakmai támogatást!

Kovács Balázs Ádám

Érdekes, színes és szakértő előadások. Hasznos eszközkészlet használatából kaptunk ízelítőt az MlOps területén.

Szabó Sándor

Nekem összességében nagyon hasznos volt a kurzus. A tanfolyam ideje alatt a munkahelyemen éppen egy céges Kubeflow-környezetet alakítottunk ki, így párhuzamosan végeztem a kurzus anyagát Kubeflow-ban is, és sokszor jól jött, hogy az alapfogalmakkal tisztában vagyok, és az adott funkciót láttam már müködni más környezetben. Ajánlom mindenkinek a kurzust, akit érdekel az MLOps témakör.

Szabó Dániel

keves dia

Varga Domonkos