
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
Wiedza i doświadczenie wykładowcy.
Ringier Axel Springer Polska
Szkolenie: Kubeflow on AWS
Dogłebna wiedza prowadzącego
Ringier Axel Springer Polska
Szkolenie: Kubeflow on AWS
Wiedza i doświadczenie wykładowcy.
Ringier Axel Springer Polska
Szkolenie: Kubeflow on AWS
Dogłebna wiedza prowadzącego
Ringier Axel Springer Polska
Szkolenie: Kubeflow on AWS
Plany szkoleń z technologii Kubeflow
-
Instalowanie i konfigurowanie Kubeflow na miejscu i w chmurze przy użyciu AWS EKS (Elastic Kubernetes Service).
Tworzenie, wdrażanie i zarządzanie przepływami pracy ML w oparciu o kontenery Docker i Kubernetes.
Uruchamiać całe potoki uczenia maszynowego w różnych architekturach i środowiskach chmurowych.
Używanie Kubeflow do tworzenia i zarządzania notatnikami Jupyter.
Tworzenie szkoleń ML, dostrajanie hiperparametrów i obsługiwanie obciążeń na wielu platformach.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
-
Zainstaluj i skonfiguruj Kubernetes, Kubeflow i inne potrzebne oprogramowanie na AWS.
Wykorzystanie usługi EKS (Elastic Kubernetes Service) do uproszczenia procesu inicjalizacji klastra Kubernetes na platformie AWS.
Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w produkcji.
Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle.
Wykorzystanie innych zarządzanych usług AWS do rozszerzenia aplikacji ML.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
-
Zainstaluj i skonfiguruj Kubernetes, Kubeflow i inne potrzebne oprogramowanie na platformie Azure.
Korzystanie z usługi Azure Kubernetes Service (AKS) w celu uproszczenia inicjalizacji klastra Kubernetes na platformie Azure.
Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w środowisku produkcyjnym.
Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle.
Wykorzystanie innych usług zarządzanych przez AWS do rozszerzenia aplikacji ML.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
-
Zainstaluj i skonfiguruj Kubernetes, Kubeflow i inne potrzebne oprogramowanie na GCP i GKE.
Korzystanie z GKE (Kubernetes Kubernetes Engine) w celu uproszczenia pracy związanej z inicjalizacją klastra Kubernetes na GCP.
Utworzenie i wdrożenie potoku Kubernetes do automatyzacji i zarządzania modelami ML w środowisku produkcyjnym.
Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle.
Wykorzystanie innych usług GCP do rozszerzenia aplikacji ML.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
-
Zainstaluj i skonfiguruj Kubernetes, Kubeflow i inne potrzebne oprogramowanie w usłudze IBM Cloud Kubernetes Service (IKS).
Wykorzystanie IKS do uproszczenia procesu inicjalizacji klastra Kubernetes na platformie IBM Cloud.
Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w środowisku produkcyjnym.
Trenowanie i wdrażanie TensorFlow modeli ML na wielu procesorach graficznych i maszynach działających równolegle.
Wykorzystanie innych usług IBM Cloud do rozszerzenia aplikacji ML.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
-
Pod koniec tego szkolenia uczestnicy będą w stanie
Zainstalować i skonfigurować Kubernetes i Kubeflow na klastrze OpenShift.
Używać OpenShift do uproszczenia pracy związanej z inicjalizacją klastra Kubernetes.
Tworzenie i wdrażanie potoku Kubernetes do automatyzacji i zarządzania modelami ML w produkcji.
Trenowanie i wdrażanie TensorFlow modeli ML na wielu GPU i maszynach działających równolegle.
Wywoływanie usług chmury publicznej (np. usług AWS) z poziomu OpenShift w celu rozszerzenia aplikacji ML.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
-
Instalowanie i konfigurowanie Kubeflow na miejscu i w chmurze.
Tworzenie, wdrażanie i zarządzanie przepływami pracy ML w oparciu o kontenery Docker i Kubernetes.
Uruchamianie całych potoków uczenia maszynowego w różnych architekturach i środowiskach chmurowych.
Używanie Kubeflow do tworzenia i zarządzania notatnikami Jupyter.
Tworzenie szkoleń ML, dostrajanie hiperparametrów i obsługiwanie obciążeń na wielu platformach.
-
Interaktywny wykład i dyskusja.
Dużo ćwiczeń i praktyki.
Praktyczne wdrożenie w środowisku live-lab.
-
Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.
Aby dowiedzieć się więcej o Kubeflow, odwiedź stronę: https://github.com/kubeflow/kubeflow
Last Updated: