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 delle funzionalità e dei componenti di Kubeflow
- Container, manifesti, ecc.
Panoramica di un 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 un pipeline di Machine Learning su Kubernetes
- Creazione di un pipeline TensorFlow.
- Creazione di un pipeline PyTorch.
Visualizzazione dei Risultati
- Esportazione e visualizzazione delle metriche del 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 Flussi di Lavoro in Produzione
- Esecuzione con metodologia GitOps
- Pianificazione dei job
- Generazione di notebook Jupyter
Troubleshooting
Sintesi e Conclusioni
Requisiti
- Conoscenza della sintassi di Python
- Esperienza con Tensorflow, PyTorch o altri framework di machine learning
- Un account presso un provider cloud pubblico (facoltativo)
Pubblico Target
- Sviluppatori
- Data scientist
28 ore