Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Introdução
Visão geral das características e componentes da Kubeflow
- Contentores, manifestos, etc.
Visão geral de um Machine Learning Pipeline
- Formação, teste, afinação, implementação, etc.
Implantação de Kubeflow em um cluster Kubernetes
- Preparação do ambiente de execução (cluster de treino, cluster de produção, etc.)
- Descarregamento, instalação e personalização.
Executando um pipeline Machine Learning em Kubernetes
- Construindo um pipeline TensorFlow.
- Criando um pipeline PyTorch.
Visualizando os resultados
- Exportando e visualizando métricas do pipeline
Personalizando o ambiente de execução
- Personalizando a pilha para diversas infraestruturas
- Atualizando uma implantação do Kubeflow
Executando Kubeflow em nuvens públicas
- AWS, Microsoft Azure, Google Cloud Platform
Gerir fluxos de trabalho de produção
- Executando com a metodologia GitOps
- Agendamento de trabalhos
- Geração de notebooks Jupyter
Resolução de problemas
Resumo e conclusão
Requisitos
- Familiaridade com a sintaxe Python
- Experiência com Tensorflow, PyTorch ou outra estrutura de aprendizado de máquina
- Uma conta de provedor de nuvem pública (opcional)
Público
- Programadores
- Cientistas de dados
28 Horas
Declaração de Clientes (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.
