Bądźmy w kontakcie
 Czas trwania 28 godzin

Plan Szkolenia

Wprowadzenie

Przegląd funkcji i składników Kubeflow

  • Kontenery, manifesty itp.

Przegląd pipeline'u machine learning

  • Trenowanie, testowanie, strojenie, wdrażanie itp.

Wdrażanie Kubeflow do klastra Kubernetes

  • Przygotowanie środowiska wykonawczego (klaster treningowy, klaster produkcyjny itp.)
  • Pobieranie, instalowanie i dostosowywanie

Uruchamianie pipeline'u machine learning na Kubernetes

  • Budowanie pipeline'u w TensorFlow.
  • Budowanie pipeline'u w PyTorch.

Wizualizacja wyników

  • Eksport i wizualizacja metryk pipeline'u

Dostosowywanie środowiska wykonawczego

  • Dostosowywanie stosu technologicznego do zróżnicowanej infrastruktury
  • Aktualizanie wdrożenia Kubeflow

Uruchamianie Kubeflow w chmurach publicznych

  • AWS, Microsoft Azure, Google Cloud Platform

Zarządzanie workflowami produkcyjnymi

  • Praca według metodyki GitOps
  • Harmonogramowanie zadań
  • Tworzenie notatników Jupyter

Wymagania

  • Znajomość składni języka Python 
  • Doświadczenie w pracy z TensorFlow, PyTorch lub innym frameworkiem do machine learning
  • Konto u dostawcy publicznej chmury (opcjonalne) 

Grupa docelowa

  • Deweloperzy
  • Naukowcy danych

Liczba uczestników


Cena za uczestnika (netto)

Propozycje terminów

Powiązane Kategorie