
I corsi di formazione Kubeflow dal vivo condotti da istruttori locali dimostrano attraverso pratiche pratiche interattive come utilizzare Kubeflow per costruire, distribuire e gestire flussi di lavoro di machine learning su Kubernetes . Kubeflow allenamento Kubeflow è disponibile come "allenamento dal vivo in loco" o "allenamento dal vivo a distanza". La formazione dal vivo in loco può essere svolta localmente presso la sede del cliente in Italia o nei centri di formazione aziendale NobleProg in Italia . La formazione dal vivo a distanza viene effettuata tramite un desktop remoto interattivo. NobleProg - Il tuo provider di formazione locale
Machine Translated
Recensioni
Regolazione alle nostre esigenze
Sumitomo Mitsui Finance and Leasing Company, Limited
Corso: Kubeflow
Machine Translated
Schema generale del corso Kubeflow
Questo istruttore guidato, la formazione in diretta (online o on-site) è rivolto a sviluppatori e scienziati dei dati che vogliono costruire, implementare e gestire i flussi di lavoro di apprendimento automatico Kubernetes.
Al termine di questo corso, i partecipanti saranno in grado di:
Installare e configurare Kubeflow su premise e nel cloud utilizzando AWS EKS (Elastic Kubernetes Service). Costruire, implementare e gestire i flussi di lavoro ML basati su Docker contenitori e Kubernetes. Eseguire tutti i tubi di apprendimento automatico su varie architettura e ambienti cloud. Utilizzare Kubeflow per spazzolare e gestire i notebook di Jupyter. Costruisci la formazione ML, il tuning di iperparametri e il servizio di carico di lavoro su più piattaforme.
Il formato del corso
Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.
Opzioni di personalizzazione del corso
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
Questo allenamento diretto da istruttori, in diretta (online o on-site) è rivolto agli ingegneri che vogliono impostare Machine Learning carico di lavoro su un server AWS EC2.
Al termine di questo corso, i partecipanti saranno in grado di:
Installare e configurare Kubernetes, Kubeflow e altri software necessari su AWS. Utilizzare EKS (Elastic Kubernetes Service) per semplificare il lavoro di inizializzazione di un cluster Kubernetes su AWS. Creare e implementare un Kubernetes pipeline per l'automazione e la gestione dei modelli ML in produzione. Eseguire e implementare i modelli ML TensorFlow su più GPUs e le macchine che funzionano in parallelo. Leverage altri servizi gestiti da AWS per estendere un'applicazione ML.
Il formato del corso
Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.
Opzioni di personalizzazione del corso
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
Questo allenamento guidato da istruttori, dal vivo (online o on-site) è rivolto agli ingegneri che vogliono disporre Machine Learning carico di lavoro in Azure cloud.
Al termine di questo corso, i partecipanti saranno in grado di:
Installare e configurare Kubernetes, Kubeflow e altri software necessari su Azure. Utilizzare Azure Kubernetes Servizio (AKS) per semplificare il lavoro di inizializzazione di un Kubernetes cluster su Azure. Creare e implementare un Kubernetes pipeline per l'automazione e la gestione dei modelli ML in produzione. Eseguire e implementare i modelli ML TensorFlow su più GPUs e le macchine che funzionano in parallelo. Leverage altri servizi gestiti da AWS per estendere un'applicazione ML.
Il formato del corso
Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.
Opzioni di personalizzazione del corso
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
Questo allenamento diretto da istruttori, in diretta (online o on-site) è rivolto agli ingegneri che desiderano disporre Machine Learning carico di lavoro su Google Cloud Platform (GCP).
Al termine di questo corso, i partecipanti saranno in grado di:
Installare e configurare Kubernetes, Kubeflow e altri software necessari su GCP e GKE. Utilizzare GKE (Kubernetes Kubernetes Motore) per semplificare il lavoro di inizializzazione di un Kubernetes cluster su GCP. Creare e implementare un Kubernetes pipeline per l'automazione e la gestione dei modelli ML in produzione. Eseguire e sfruttare i modelli ML TensorFlow su più GPUs e le macchine che funzionano in parallelo. Fornire altri servizi GCP per estendere un'applicazione ML.
Il formato del corso
Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.
Opzioni di personalizzazione del corso
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
Questo allenamento diretto da istruttori, in diretta (online o on-site) è rivolto agli ingegneri che desiderano disporre Machine Learning carico di lavoro per IBM Cloud Kubernetes Service (IKS).
Al termine di questo corso, i partecipanti saranno in grado di:
Installare e configurare Kubernetes, Kubeflow e altri software necessari sul Servizio IBM Cloud Kubernetes (IKS). Utilizzare IKS per semplificare il lavoro di inizializzazione di un Kubernetes cluster su IBM Cloud. Creare e implementare un Kubernetes pipeline per l'automazione e la gestione dei modelli ML in produzione. Eseguire e implementare i modelli ML TensorFlow su più GPUs e le macchine che funzionano in parallelo. Leverage altri servizi IBM Cloud per estendere un'applicazione ML.
Il formato del corso
Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.
Opzioni di personalizzazione del corso
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
Questo allenamento diretto da istruttori, in diretta (online o on-site) è rivolto agli ingegneri che vogliono disporre Machine Learning carico di lavoro in un OpenShift on-premise o cloud ibrido.
Al termine di questo corso, i partecipanti saranno in grado di: Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Kubeflow e Utilizzare OpenShift per semplificare il lavoro di inizializzazione di un Kubernetes cluster. Creare e implementare un Kubernetes pipeline per l'automazione e la gestione dei modelli ML in produzione. Imparare e implementare TensorFlow modelli ML su più GPUs e macchine che funzionano in parallelo. Chiamare i servizi cloud pubblici (ad esempio i servizi AWS) dall'interno OpenShift per estendere un'applicazione ML.
Il formato del corso
Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.
Opzioni di personalizzazione del corso
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
Questo istruttore guidato, la formazione in diretta (online o on-site) è rivolto a sviluppatori e scienziati dei dati che vogliono costruire, implementare e gestire i flussi di lavoro di apprendimento automatico Kubernetes.
Al termine di questo corso, i partecipanti saranno in grado di:
Installare e configurare Kubeflow su premisa e nel cloud. Costruire, implementare e gestire i flussi di lavoro ML basati su Docker contenitori e Kubernetes. Eseguire tutti i tubi di apprendimento automatico su varie architettura e ambienti cloud. Utilizzare Kubeflow per spazzolare e gestire i notebook di Jupyter. Costruisci la formazione ML, il tuning di iperparametri e il servizio di carico di lavoro su più piattaforme.
Il formato del corso
Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.
Opzioni di personalizzazione del corso
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare. Per saperne di più Kubeflow, si prega di visitare: https://github.com/kubeflow/kubeflow
Last Updated: