Struttura del corso
Introduzione
- Kubeflow su IKS vs on-premise vs su altri provider di cloud pubblico
Panoramica di Kubeflow Funzionalità su IBM Cloud
- IK
- IBM Cloud Object Storage
Panoramica dell'impostazione dell'ambiente
- Preparazione delle macchine virtuali
- Configurazione di un cluster Kubernetes
Impostazione Kubeflow on IBM Cloud
- Installazione di Kubeflow tramite IKS
Codifica del modello
- Scelta di un algoritmo ML
- Implementazione di un TensorFlow modello CNN
Lettura dei dati
- Accessil set di dati MNIST
Pipeline su IBM Cloud
- Impostazione di una pipeline end-to-end Kubeflow
- Personalizzazione di Kubeflow Pipeline
Esecuzione di un processo di formazione ML
- Addestramento di un modello MNIST
Distribuzione del modello
- Esecuzione TensorFlow Servizio su IKS
Integrazione del modello in un'applicazione Web
- Creazione di un'applicazione di esempio
- Invio di richieste di previsione
Somministrazione Kubeflow
- Monitoraggio con Tensorboard
- Gestione dei log
Protezione di un cluster Kubeflow
- Impostazione dell'autenticazione e dell'autorizzazione
Risoluzione dei problemi
Riassunto e conclusione
Requisiti
- Comprensione dei concetti di machine learning.
- Conoscenza dei concetti di cloud computing.
- Una conoscenza generale dei contenitori (Docker) e dell'orchestrazione (Kubernetes).
- Un po' di Python esperienza di programmazione è utile.
- Esperienza di lavoro con una riga di comando.
Pubblico
- Ingegneri della scienza dei dati.
- DevOps Ingegneri interessati all'implementazione di modelli di Machine Learning.
- Ingegneri dell'infrastruttura interessati alla distribuzione di modelli di machine learning.
- Ingegneri del software che desiderano automatizzare l'integrazione e la distribuzione di funzionalità di machine learning con la loro applicazione.
Recensioni (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Corso - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.