Plan Szkolenia
Wprowadzenie
- Kubeflow on Azure vs lokalnie vs u innych dostawców chmury publicznej
Przegląd funkcji i architektury Kubeflow
Przegląd procesu wdrażania
Aktywacja konta Azure
Przygotowywanie i uruchamianie maszyn wirtualnych z obsługą GPU
Konfigurowanie ról i uprawnień użytkowników
Przygotowanie środowiska kompilacji
Wybór TensorFlow modelu i zestawu danych
Pakowanie kodu i frameworków do Docker obrazu
Konfigurowanie klastra Kubernetes przy użyciu AKS
Inscenizacja danych szkoleniowych i walidacyjnych
Konfigurowanie Kubeflow Potoków
Rozpoczęcie pracy szkoleniowej.
Wizualizacja zadania szkoleniowego w czasie wykonywania
Sprzątanie po zakończeniu pracy
Rozwiązywanie problemów
Podsumowanie i wnioski
Wymagania
- Zrozumienie koncepcji uczenia maszynowego.
- Znajomość koncepcji przetwarzania w chmurze.
- Ogólne zrozumienie kontenerów (Docker) i orkiestracji (Kubernetes).
- Pomocne jest pewne Python doświadczenie w programowaniu.
- Doświadczenie w pracy z wierszem poleceń.
Uczestnicy
- Inżynierowie zajmujący się nauką o danych.
- DevOps inżynierów zainteresowanych wdrażaniem modeli uczenia maszynowego.
- Inżynierowie infrastruktury zainteresowani wdrażaniem modeli uczenia maszynowego.
- Inżynierowie oprogramowania, którzy chcą zautomatyzować integrację i wdrażanie funkcji uczenia maszynowego w swojej aplikacji.
Opinie uczestników (4)
Zadania
Khaled Altawallbeh - Accenture Industrial SS
Szkolenie - Azure Machine Learning (AML)
Przetłumaczone przez sztuczną inteligencję
bardzo przyjazny i pomocny
Aktar Hossain - Unit4
Szkolenie - Building Microservices with Microsoft Azure Service Fabric (ASF)
Przetłumaczone przez sztuczną inteligencję
ekosystem ML nie tylko MLFlow, ale także Optuna, hyperops, docker i docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Szkolenie - MLflow
Przetłumaczone przez sztuczną inteligencję
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