Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
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