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.
Plan Szkolenia
Wprowadzenie
- Wprowadzenie do Kubernetes
- Przegląd funkcji i architektury Kubeflow
- Kubeflow w AWS vs. lokalnie vs. u innych dostawców chmury publicznej
Konfiguracja klastra przy użyciu AWS EKS
Konfigurowanie klastra lokalnego przy użyciu Microk8s
Wdrażanie Kubernetes przy użyciu podejścia GitOps
Podejścia do przechowywania danych
Tworzenie Kubeflow potoku
Wyzwalanie potoku
Definiowanie artefaktów wyjściowych
Przechowywanie metadanych dla zestawów danych i modeli
Dostrajanie hiperparametrów za pomocą TensorFlow
Wizualizacja i analiza wyników
Multi-GPU Training
Tworzenie serwera wnioskowania do wdrażania modeli uczenia maszynowego
Praca z JupyterHub
Równoważenie obciążenia Networking
Automatyczne skalowanie klastra Kubernetes
Rozwiązywanie problemów
Podsumowanie i wnioski
Wymagania
- Znajomość składni Python
- Doświadczenie z Tensorflow, PyTorch lub innym frameworkiem uczenia maszynowego
- Konto AWS z niezbędnymi zasobami
Uczestnicy
- Programiści
- Naukowcy zajmujący się danymi
35 godzin
Opinie uczestników (1)
Uczestniczenie w szkoleniu Kubeflow, które odbyło się zdalnie, było dla mnie bardzo przyjemne. To szkolenie pozwoliło mi ugruntować moją wiedzę dotyczącą usług AWS, K8s oraz wszystkich narzędzi devOps związanych z Kubeflow, które są niezbędnymi podstawami do właściwego podejścia do tematu. Chciałbym podziękować Malawskiemu Marcinowi za jego cierpliwość i profesjonalizm w trakcie szkolenia oraz za rady dotyczące najlepszych praktyk. Malawski podejmuje temat z różnych perspektyw, różnych narzędzi wdrażania Ansible, EKS kubectl, Terraform. Teraz jestem zdecydowanie przekonany, że wybieram właściwy kierunek aplikacji.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Szkolenie - Kubeflow
Przetłumaczone przez sztuczną inteligencję
