Contattataci
 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

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative