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
- Kubeflow su AWS vs on-premise vs su altri provider di cloud pubblico
Panoramica delle Funzionalità e dell'Architettura di Kubeflow
Attivazione di un Account AWS
Preparazione e Avvio di Istanze AWS Abilitate per GPU
Configurazione dei Ruoli Utente e delle Autorizzazioni
Preparazione dell'Ambiente di Compilazione
Selezione di un Modello TensorFlow e di un Set di Dati
Pacchettizzazione del Codice e dei Framework in un'Immagine Docker
Configurazione di un Cluster Kubernetes Utilizzando EKS
Distribuzione dei Dati di Training e Validazione
Configurazione delle Pipeline Kubeflow
Lancio di un Lavoro di Training utilizzando Kubeflow su EKS
Visualizzazione del Lavoro di Training in Tempo Reale
Pulizia dopo il Completamento del Lavoro
Risoluzione dei Problemi
Somma e Conclusione
Requisiti
- Una comprensione dei concetti di machine learning.
- Conoscenza dei concetti di cloud computing.
- Comprensione generale dei container (Docker) e dell'orchestrazione (Kubernetes).
- L'esperienza in programmazione Python è utile.
- Esperienza nel lavoro con una riga di comando.
Pubblico
- Ingegneri di data science.
- Ingegneri DevOps interessati alla distribuzione di modelli di machine learning.
- Ingegneri di infrastruttura interessati alla distribuzione di modelli di machine learning.
- Ingegneri software che desiderano integrare e distribuire funzionalità di machine learning con le proprie applicazioni.
28 ore
Recensioni (4)
l'ecosistema ML non riguarda solo MLFlow, ma anche Optuna, Hyperopt, Docker e Docker-Compose
Guillaume GAUTIER - OLEA MEDICAL
Corso - MLflow
Traduzione automatica
Ho trovato molto piacevole partecipare alla formazione su Kubeflow, che si è svolta a distanza. Questa formazione mi ha permesso di consolidare le mie conoscenze sui servizi AWS, K8s e tutte le tool DevOps associate a Kubeflow, che costituiscono le basi necessarie per affrontare l'argomento in modo appropriato. Desidero ringraziare Malawski Marcin per la sua pazienza e professionalità nel fornire formazione e consigli sulle best practice. Malawski affronta l'argomento da diverse angolazioni, utilizzando diversi strumenti di distribuzione come Ansible, EKS kubectl e Terraform. Ora sono definitivamente convinto che mi sto muovendo nel campo d'applicazione giusto.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Corso - Kubeflow
Traduzione automatica
Tutto a posto, nulla da migliorare
Ievgen Vinchyk - GE Medical Systems Polska Sp. Z O.O.
Corso - AWS Lambda for Developers
Traduzione automatica
Applicazioni IoT
Palaniswamy Suresh Kumar - Makers' Academy
Corso - Industrial Training IoT (Internet of Things) with Raspberry PI and AWS IoT Core 「4 Hours Remote」
Traduzione automatica
