Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Durata 28 ore
Struttura del corso
Introduzione
Panoramica delle funzionalità e dei componenti di Kubeflow
- Contenitori, manifesti, ecc.
Panoramica di una pipeline di machine learning
- Addestramento, test, tuning, distribuzione, ecc.
Distribuzione di Kubeflow su un cluster Kubernetes
- Preparazione dell'ambiente di esecuzione (cluster di addestramento, cluster di produzione, ecc.)
- Download, installazione e personalizzazione.
Esecuzione di una pipeline di machine learning su Kubernetes
- Creazione di una pipeline TensorFlow.
- Creazione di una pipeline PyTorch.
Visualizzazione dei risultati
- Esportazione e visualizzazione delle metriche della pipeline
Personalizzazione dell'ambiente di esecuzione
- Personalizzazione dello stack per infrastrutture diverse
- Aggiornamento di una distribuzione Kubeflow
Esecuzione di Kubeflow su cloud pubblici
- AWS, Microsoft Azure, Google Cloud Platform
Gestione dei workflow di produzione
- Esecuzione con metodologia GitOps
- Pianificazione dei job
- Generazione di notebook Jupyter
Requisiti
- Conoscenza della sintassi Python
- Esperienza con TensorFlow, PyTorch o altri framework di machine learning
- Un account presso un provider di cloud pubblico (facoltativo)
Pubblico di riferimento
- Sviluppatori
- Data scientist