Lokalne, prowadzone przez instruktora kursy szkoleniowe Kubeflow na żywo demonstrują poprzez interaktywne praktyczne ćwiczenia, jak używać Kubeflow do tworzenia, wdrażania i zarządzania przepływami pracy uczenia maszynowego na Kubernetes. Szkolenie Kubeflow jest dostępne jako "szkolenie online na żywo" lub "szkolenie na żywo na miejscu". Szkolenie na żywo online (inaczej "zdalne szkolenie na żywo") odbywa się za pomocą interaktywnego, zdalnego pulpitu . Szkolenie na żywo na miejscu może odbywać się lokalnie w siedzibie klienta w Trójmiasto lub w korporacyjnych centrach szkoleniowych NobleProg w Trójmiasto. NobleProg — Twój lokalny dostawca szkoleń
Gdynia
Hotel Nadmorski, Ejsmonda 2, Gdynia, Polska, 81-409
Sala szkoleniowa znajduje się zaledwie 3 kilometry od Dworca PKP/PKS w Gdyni, co sprawia, że jest łatwo dostępna dla uczestników podróżujących pociągiem lub autobusem. Dodatkowo, jest oddalona tylko o 400 metrów od przystanku autobusowego, ułatwiając dojazd nawet tym, którzy podróżują komunikacją miejską. Wyposażona jest w niezbędne narzędzia do prowadzenia szkoleń, takie jak rzutnik, ekran oraz flipchart, co zapewnia komfortowe warunki dla uczestników i prowadzącego zajęcia.
Gdańsk
Hotel Fahrenheit, Grodzka 19, Gdańsk, Polska, 80-841
Sala szkoleniowa znajduje się w samym sercu malowniczej gdańskiej starówki, co sprawia, że otoczenie jest nie tylko inspirujące, ale także wyjątkowo atrakcyjne dla uczestników. W niedalekiej odległości można znaleźć dworzec PKP oraz PKS, ułatwiając przyjazd zarówno tym podróżującym pociągiem, jak i autobusem. Dodatkowo, lotnisko i port są również w zasięgu ręki, co czyni tę lokalizację wygodną dla osób przybywających z dalszych miejscowości, zarówno z kraju, jak i spoza jego granic.
Kubeflow to platforma open-source zaprojektowana do ułatwienia budowania, trenowania i wdrażania obciążeń machine learning na Kubernetes.
To szkolenie prowadzone przez instruktora (online lub stacjonarnie) jest skierowane do profesjonalistów początkujących i pośrednio zaawansowanych, którzy chcą tworzyć niezawodne przepływy pracy ML przy użyciu Kubeflow.
Po zakończeniu tego szkolenia uczestnicy zdobędą umiejętności pozwalające na:
Nawigację w ekosystemie Kubeflow i podstawowych komponentach.
Tworzenie powtarzalnych przepływów pracy za pomocą Kubeflow Pipelines.
Uruchamianie skalowalnych zadań trenujących na Kubernetes.
Efektywne wdrażanie modeli machine learning za pomocą Kubeflow Serving.
Format kursu
Kierowane prezentacje i kollaboracyjne dyskusje.
Ćwiczenia praktyczne z użyciem rzeczywistych komponentów Kubeflow.
Praktyczne ćwiczenia do budowania kompletnych przepływów pracy ML.
Opcje dostosowywania kursu
Dostosowane wersje tego szkolenia mogą być zorganizowane, aby pasowały do stosunków technologicznych i wymagań projektowych Twojej grupy.
To prowadzone przez instruktora szkolenie na żywo w Trójmiasto (na miejscu lub zdalnie) jest przeznaczone dla programistów i naukowców zajmujących się danymi, którzy chcą budować, wdrażać i zarządzać przepływami pracy uczenia maszynowego w Kubernetes.
Po zakończeniu tego szkolenia uczestnicy będą mogli
Zainstalować i skonfigurować Kubeflow na miejscu i w chmurze za pomocą AWS EKS (Elastic Kubernetes Service).
Budować, wdrażać i zarządzać 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.
Trening prowadzony przez instruktora (online lub stacjonarny) jest skierowany do inżynierów, którzy chcą wdrożyć obciążenia Machine Learning na serwerze AWS EC2.
Na koniec tego treningu uczestnicy będą w stanie:
Zainstalować i skonfigurować Kubernetes, Kubeflow i inne wymagane oprogramowanie na AWS.
Używać EKS (Elastic Kubernetes Service), aby uprościć pracę z inicjowaniem klastra Kubernetes na AWS.
Tworzyć i wdrażać potoki Kubernetes do automatyzacji i zarządzania modelami ML w środowisku produkcyjnym.
Trenować i wdrażać modele TensorFlow ML na wielu GPU i maszynach działających równolegle.
Wykorzystywać inne zarządzane usługi AWS, aby rozszerzyć aplikację ML.
Ten prowadzony przez instruktora, live szkolenie w Trójmiasto (online lub stacjonarny) jest skierowany do inżynierów, którzy chcą wdrożyć obciążenia Machine Learning na chmurze Azure.
Na koniec tego szkolenia uczestnicy będą w stanie:
Zainstalować i skonfigurować Kubernetes, Kubeflow oraz inne potrzebne oprogramowanie na Azure.
Korzystać z usługi Azure Kubernetes Service (AKS), aby uprościć pracę inicjalizacji klastra Kubernetes na Azure.
Tworzyć i wdrażać potoki Kubernetes do automatyzacji i zarządzania modelami ML w środowisku produkcyjnym.
Trenować i wdrażać modele TensorFlow ML na wielu GPU i maszynach działających równolegle.
Korzystać z innych zarządzanych usług AWS, aby rozszerzyć aplikację ML.
To prowadzone przez instruktora szkolenie na żywo w Trójmiasto (na miejscu lub zdalnie) jest przeznaczone dla programistów i naukowców zajmujących się danymi, którzy chcą budować, wdrażać i zarządzać przepływami pracy uczenia maszynowego w Kubernetes.
Pod koniec tego szkolenia uczestnicy będą mogli
Zainstalować i skonfigurować Kubeflow na miejscu i w chmurze.
Budować, wdrażać i zarządzać 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.
Więcej...
Ostatnia aktualizacja:
Opinie uczestników (1)
Cieszyłem się, biorąc udział w szkoleniu Kubeflow, które odbyło się zdalnie. To szkolenie pozwoliło mi ukonsolidować wiedzę na temat usług AWS, K8s oraz wszystkich narzędzi devOps związanych z Kubeflow, które stanowią niezbędne podstawy do właściwego podejścia do tego tematu. Chciałbym podziękować Marcina Malawskiego za jego cierpliwość i profesjonalizm w zakresie szkolenia oraz rad na temat najlepszych praktyk. Marcin podejmuje temat z różnych perspektyw, wykorzystując różne narzędzia wdrażania, takie jak Ansible, EKS kubectl, Terraform. Teraz jestem absolutnie przekonany, że wchodzę w właściwe pole zastosowania.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
