
Praktyczne szkolenia na żywo z Kubeflow pokazują jak używać platformy do tworzenia, wdrażania i zarządzania przepływami pracy uczenia maszynowego w Kubernetes. Kubeflow został zaprojektowany tak, aby umożliwić korzystanie z maszynowych potoków szkoleniowych w celu zaaranżowania skomplikowanych przepływów pracy działających na Kubernetesie. Kubeflow opierał się na wewnętrznej metodzie Google'a polegającej na wdrożeniu modeli TensorFlow na Kubernetesie o nazwie TensorFlow Extended.
Przetłumaczono z www.DeepL.com/Translator (wersja darmowa)
Szkolenie Kubeflow jest dostępne jako "szkolenie stacjonarne" lub "szkolenie online na żywo".
Szkolenie stacjonarne może odbywać się lokalnie w siedzibie klienta w Polsce lub w ośrodkach szkoleniowych NobleProg w Polsce. Zdalne szkolenie online odbywa się za pomocą interaktywnego, zdalnego pulpitu DaDesktop .
NobleProg -- Twój lokalny dostawca szkoleń.
Opinie uczestników
Dostosowując się do naszych potrzeb
Sumitomo Mitsui Finance and Leasing Company, Limited
Szkolenie: Kubeflow
Machine Translated
Plany szkoleń z technologii Kubeflow
-
Instaluj i skonfiguruj Kubeflow w nagłówku i w chmurze za pomocą usługi AWS EKS (Elastic Kubernetes Service).
Budować, rozmieszczać i zarządzać przepływami pracy ML opartymi na Docker pojemnikach i Kubernetes.
Wykonaj całe rury uczenia się maszynowego w różnych architekturach i środowiskach chmurowych.
Używanie Kubeflow do spawania i zarządzania laptopami Jupyter.
Budować szkolenia ML, tuning hiperparametrów i obsługiwanie ładunków roboczych na wielu platformach.
-
Interaktywne wykłady i dyskusje.
Dużo ćwiczeń i praktyk.
Wdrażanie rąk w środowisku Live-Lab.
-
Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
-
Instaluj i konfiguruj Kubernetes, Kubeflow i inne niezbędne oprogramowanie na AWS.
Użyj EKS (Elastic Kubernetes Service), aby ułatwić pracę z inicjalizacją klastru Kubernetes w AWS.
Tworzenie i wdrażanie Kubernetes rurociągu do automatyzacji i zarządzania modelami ML w produkcji.
Trenować i rozmieszczać TensorFlow modele ML w różnych GPUs i maszyny działające równolegle.
Dostarczanie innych usług zarządzanych przez AWS w celu rozszerzenia aplikacji ML.
-
Interaktywne wykłady i dyskusje.
Dużo ćwiczeń i praktyk.
Wdrażanie rąk w środowisku Live-Lab.
-
Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
-
Instaluj i konfiguruj Kubernetes, Kubeflow i inne niezbędne oprogramowanie na Azure.
Użyj Azure Kubernetes Usługi (AKS) w celu uproszczenia pracy z inicjalizacją Kubernetes klastru na Azure.
Tworzenie i wdrażanie Kubernetes rurociągu do automatyzacji i zarządzania modelami ML w produkcji.
Trenować i rozmieszczać TensorFlow modele ML w różnych GPUs i maszyny działające równolegle.
Dostarczanie innych usług zarządzanych przez AWS w celu rozszerzenia aplikacji ML.
-
Interaktywne wykłady i dyskusje.
Dużo ćwiczeń i praktyk.
Wdrażanie rąk w środowisku Live-Lab.
-
Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
-
Instaluj i konfiguruj Kubernetes, Kubeflow i inne niezbędne oprogramowanie na GCP i GKE.
Użyj GKE (Kubernetes Kubernetes Silnik), aby ułatwić pracę z inicjalizacją Kubernetes klastru na GCP.
Tworzenie i wdrażanie Kubernetes rurociągu do automatyzacji i zarządzania modelami ML w produkcji.
Trenować i rozmieszczać TensorFlow modele ML w różnych GPUs i maszyny działające równolegle.
Dostarczanie innych usług GCP w celu rozszerzenia aplikacji ML.
-
Interaktywne wykłady i dyskusje.
Dużo ćwiczeń i praktyk.
Wdrażanie rąk w środowisku Live-Lab.
-
Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
-
Instaluj i konfiguruj Kubernetes, Kubeflow i inne niezbędne oprogramowanie na IBM Cloud Kubernetes Service (IKS).
Użyj IKS, aby ułatwić inicjalizację klastru Kubernetes w IBM Cloud.
Tworzenie i wdrażanie Kubernetes rurociągu do automatyzacji i zarządzania modelami ML w produkcji.
Trenować i rozmieszczać TensorFlow modele ML w różnych GPUs i maszyny działające równolegle.
Dostarczanie innych usług IBM Cloud, aby rozszerzyć aplikację ML.
-
Interaktywne wykłady i dyskusje.
Dużo ćwiczeń i praktyk.
Wdrażanie rąk w środowisku Live-Lab.
-
Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
-
Po zakończeniu szkolenia uczestnicy będą mogli:
Umieszczanie i konfiguracja Kubeflow i Kubeflow na klastrze OpenShift.
Użyj OpenShift, aby ułatwić pracę z inicjalizacją Kubernetes klastru.
Tworzenie i wdrażanie rurociągu Kubernetes do automatyzacji i zarządzania modelami ML w produkcji.
Trenować i rozmieszczać TensorFlow modele ML w różnych GPUs i maszyny działające równolegle.
Zadzwoń do publicznych usług w chmurze (np. usług AWS) z wnętrza OpenShift, aby rozszerzyć aplikację ML.
-
Interaktywne wykłady i dyskusje.
Dużo ćwiczeń i praktyk.
Wdrażanie rąk w środowisku Live-Lab.
-
Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
-
Instalacja i konfiguracja Kubeflow na premisie i w chmurze.
Budować, rozmieszczać i zarządzać przepływami pracy ML opartymi na Docker pojemnikach i Kubernetes.
Wykonaj całe rury uczenia się maszynowego w różnych architekturach i środowiskach chmurowych.
Używanie Kubeflow do spawania i zarządzania laptopami Jupyter.
Budować szkolenia ML, tuning hiperparametrów i obsługiwanie ładunków roboczych na wielu platformach.
-
Interaktywne wykłady i dyskusje.
Dużo ćwiczeń i praktyk.
Wdrażanie rąk w środowisku Live-Lab.
-
Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
Aby dowiedzieć się więcej o Kubeflow, proszę odwiedzić: https://github.com/kubeflow/kubeflow
Last Updated: