Struttura del corso

Introduzione

  • Introduzione a Kubernetes
  • Panoramica di Kubeflow Funzionalità e architettura
  • Kubeflow su AWS, on-premise e su altri provider di cloud pubblico

Configurazione di un cluster con AWS EKS

Configurazione di un cluster on-premise con Microk8s

Distribuzione Kubernetes usando un approccio GitOps

Approcci all'archiviazione dei dati

Creazione di una Kubeflow pipeline

Attivazione di una pipeline

Definizione degli artefatti di output

Archiviazione di metadati per set di dati e modelli

Regolazione degli iperparametri con TensorFlow

Visualizzazione e analisi dei risultati

Formazione Multi-GPU

Creazione di un server di inferenza per la distribuzione di modelli di Machine Learning

Utilizzo di JupyterHub

Networking e bilanciamento del carico

Ridimensionamento automatico di un cluster Kubernetes

Risoluzione dei problemi

Riassunto e conclusione

Requisiti

  • Familiarità con la sintassi di Python
  • Esperienza con Tensorflow, PyTorch o altri framework di machine learning
  • Un account AWS con le risorse necessarie

Pubblico

  • Gli sviluppatori
  • Scienziati dei dati
 35 ore

Numero di Partecipanti



Prezzo per Partecipante

Recensioni (1)

Corsi relativi

Categorie relative