Plan Szkolenia

Introduction

  • Introduction to Kubernetes
  • Overview of Kubeflow Features and Architecture
  • Kubeflow on AWS vs on-premise vs on other public cloud providers

Setting up a Cluster using AWS EKS

Setting up an On-Premise Cluster using Microk8s

Deploying Kubernetes using a GitOps Approach

Data Storage Approaches

Creating a Kubeflow Pipeline

Triggering a Pipeline

Defining Output Artifacts

Storing Metadata for Datasets and Models

Hyperparameter Tuning with TensorFlow

Visualizing and Analyzing the Results

Multi-GPU Training

Creating an Inference Server for Deploying ML Models

Working with JupyterHub

Networking and Load Balancing

Auto Scaling a Kubernetes Cluster

Troubleshooting

Summary and Conclusion

Wymagania

  • Familiarity with Python syntax 
  • Experience with Tensorflow, PyTorch, or other machine learning framework
  • An AWS account with necessary resources

Audience

  • Developers
  • Data scientists
  35 godzin
 

Liczba uczestników


Data rozpoczęcia

Data zakończenia


Daty szkoleń są uzależnione od dostępności trenerów. Szkolenia standardowo odbywają się w godzinach od 09:00 do 16:00.
Szkolenia zdalne są realizowane w przypadku uzbierania się grupy szkoleniowej liczącej co najmniej 5 osób na dany termin.

Opinie uczestników (1)

Szkolenia Powiązane

Powiązane Kategorie