Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Εισαγωγή
Επισκόπηση των Kubeflow Δυνατοτήτων και εξαρτημάτων
- Δοχεία, μανιφέστα κ.λπ.
Επισκόπηση ενός αγωγού Machine Learning
- Εκπαίδευση, δοκιμή, συντονισμός, ανάπτυξη κ.λπ.
Ανάπτυξη του Kubeflow σε ένα σύμπλεγμα Kubernetes
- Προετοιμασία του περιβάλλοντος εκτέλεσης (cluster εκπαίδευσης, cluster παραγωγής κ.λπ.)
- Λήψη, εγκατάσταση και προσαρμογή.
Λειτουργία αγωγού Machine Learning στο Kubernetes
- Κατασκευή αγωγού TensorFlow.
- Κατασκευή αγωγού PyTorch.
Οπτικοποίηση των αποτελεσμάτων
- Εξαγωγή και οπτικοποίηση μετρήσεων αγωγών
Προσαρμογή του Περιβάλλοντος Εκτέλεσης
- Προσαρμογή της στοίβας για διάφορες υποδομές
- Αναβάθμιση ανάπτυξης Kubeflow
Εκτελείται Kubeflow σε δημόσια σύννεφα
- AWS, Microsoft Azure, Google Cloud Platform
Διαχείριση ροών εργασιών παραγωγής
- Εκτέλεση με τη μεθοδολογία GitOps
- Προγραμματισμός εργασιών
- Τετράδια ωοτοκίας Jupyter
Αντιμετώπιση προβλημάτων
Περίληψη και Συμπέρασμα
Requirements
- Εξοικείωση με τη σύνταξη Python
- Εμπειρία με το Tensorflow, το PyTorch ή άλλο πλαίσιο μηχανικής εκμάθησης
- Ένας δημόσιος λογαριασμός παρόχου cloud (προαιρετικό)
Ακροατήριο
- προγραμματιστές
- Επιστήμονες δεδομένων
28 Hours
Testimonials (1)
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
