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
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