
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
Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do deweloperów i naukowców danych, którzy chcą zbudować, rozwijać i zarządzać przepływami pracy w zakresie uczenia się maszynowego Kubernetes.
Po zakończeniu szkolenia uczestnicy będą mogli:
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.
Format kursu
Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.
Opcje dostosowania kursu
Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do inżynierów, którzy chcą rozmieszczać Machine Learning ładunki robocze na serwerze AWS EC2.
Po zakończeniu szkolenia uczestnicy będą mogli:
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.
Format kursu
Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.
Opcje dostosowania kursu
Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do inżynierów, którzy chcą rozmieszczać Machine Learning ładunki robocze do Azure chmury.
Po zakończeniu szkolenia uczestnicy będą mogli:
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.
Format kursu
Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.
Opcje dostosowania kursu
Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do inżynierów, którzy chcą rozmieszczać Machine Learning ładunki robocze na Google Cloud Platform (GCP).
Po zakończeniu szkolenia uczestnicy będą mogli:
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.
Format kursu
Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.
Opcje dostosowania kursu
Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do inżynierów, którzy chcą rozmieszczać Machine Learning ładunki robocze w IBM Cloud Kubernetes Service (IKS).
Po zakończeniu szkolenia uczestnicy będą mogli:
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.
Format kursu
Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.
Opcje dostosowania kursu
Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do inżynierów, którzy chcą rozmieszczać Machine Learning obciążenia robocze do OpenShift on-premise lub hybrydowego chmury.
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.
Format kursu
Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.
Opcje dostosowania kursu
Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy o kontakt, aby zorganizować.
Ten szkolenie na żywo prowadzone przez instruktora (online lub on-site) jest skierowane do deweloperów i naukowców danych, którzy chcą zbudować, rozwijać i zarządzać przepływami pracy w zakresie uczenia się maszynowego Kubernetes.
Po zakończeniu szkolenia uczestnicy będą mogli:
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.
Format kursu
Interaktywne wykłady i dyskusje. Dużo ćwiczeń i praktyk. Wdrażanie rąk w środowisku Live-Lab.
Opcje dostosowania kursu
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: