Course Outline

Introductie

Overzicht van Kubeflow Functies en componenten

  • Containers, manifesten, enz.

Overzicht van een Machine Learning-pijplijn

  • Trainen, testen, tunen, uitrollen, etc.

Kubeflow implementeren in een Kubernetes-cluster

  • Voorbereiden van de uitvoeringsomgeving (trainingscluster, productiecluster, etc.)
  • Downloaden, installeren en aanpassen.

Een Machine Learning pijplijn uitvoeren op Kubernetes

  • Het bouwen van een TensorFlow pijpleiding.
  • Het bouwen van een PyTorch pipleline.

Visualisatie van de resultaten

  • Metrische gegevens over pijplijnen exporteren en visualiseren

De uitvoeringsomgeving aanpassen

  • De stack aanpassen voor diverse infrastructuren
  • Een Kubeflow-implementatie upgraden

Draaien Kubeflow op openbare clouds

  • AWS, Microsoft Azure, Golonken naar Cloud Platform

Productieworkflows beheren

  • Hardlopen met GitOps-methodologie
  • Taken plannen
  • Jupyter-notebooks voortbrengen

Probleemoplossing

Samenvatting en conclusie

Requirements

  • Bekendheid met de Python-syntaxis
  • Ervaring met Tensorflow, PyTorch of een ander machine learning-framework
  • Een publieke cloudprovideraccount (optioneel)

Publiek

  • Ontwikkelaars
  • Datawetenschappers
  28 Hours
 

Related Courses

Related Categories