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
Przegląd funkcji i komponentów Kubeflow
- Kontenery, manifesty itp.
Przegląd potoku Machine Learning
- Szkolenie, testowanie, dostrajanie, wdrażanie itp.
Wdrażanie Kubeflow w klastrze Kubernetes
- Przygotowanie środowiska wykonawczego (klaster szkoleniowy, klaster produkcyjny itp.)
- Pobieranie, instalowanie i dostosowywanie.
Uruchamianie potoku Machine Learning na klastrze Kubernetes
- Tworzenie potoku TensorFlow.
- Tworzenie potoku PyTorch.
Wizualizacja wyników
- Eksportowanie i wizualizowanie metryk potoku
Dostosowywanie środowiska wykonawczego
- Dostosowywanie stosu do różnych infrastruktur
- Aktualizacja wdrożenia Kubeflow
Uruchamianie Kubeflow w chmurach publicznych
- AWS, Microsoft Azure, Google Cloud Platform
Zarządzanie produkcyjnymi przepływami pracy
- Uruchamianie przy użyciu metodologii GitOps
- Planowanie zadań
- Tworzenie notatników Jupyter
Rozwiązywanie problemów
Podsumowanie i wnioski
Wymagania
- Znajomość składni Python
- Doświadczenie z Tensorflow, PyTorch lub innym frameworkiem uczenia maszynowego
- Konto dostawcy chmury publicznej (opcjonalnie)
Uczestnicy
- Programiści
- Naukowcy zajmujący się danymi
28 godzin