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.
Struttura del corso
Introduzione
Panoramica di Kubeflow Funzioni e componenti
- Contenitori, manifesti, ecc.
Panoramica di una tubazione Machine Learning
- Formazione, test, messa a punto, distribuzione, ecc.
Distribuzione di Kubeflow in un cluster Kubernetes
- Preparazione dell'ambiente di esecuzione (cluster di formazione, cluster di produzione, ecc.)
- Download, installazione e personalizzazione.
Esecuzione di una pipeline Machine Learning su Kubernetes
- Costruire una pipeline TensorFlow.
- Costruire una piplelinea PyTorch.
Visualizzazione dei risultati
- Esportazione e visualizzazione delle metriche della pipeline
Personalizzazione dell'ambiente di esecuzione
- Personalizzazione dello stack per diverse infrastrutture
- Aggiornamento di una distribuzione Kubeflow
Esecuzione Kubeflow su cloud pubblici
- AWS, Microsoft Azure, Google Cloud Platform
Gestione dei flussi di lavoro di produzione
- Esecuzione con la metodologia GitOps
- Pianificazione dei lavori
- Generazione di notebook Jupyter
Risoluzione dei problemi
Riassunto e conclusione
Requisiti
- Familiarità con la sintassi Python
- Esperienza con Tensorflow, PyTorch o altri framework di apprendimento automatico
- Un account del provider di cloud pubblico (facoltativo)
Pubblico
- Gli sviluppatori
- Scienziati dei dati
28 ore