
Online o in loco, i corsi di formazione Kubeflow dal vivo con istruttore dimostrano attraverso esercitazioni pratiche interattive come utilizzare Kubeflow per creare, distribuire e gestire flussi di lavoro di machine learning su Kubernetes.
La formazione Kubeflow è disponibile come "formazione live online" o "formazione dal vivo in loco". La formazione live online (nota anche come "formazione live remota") viene effettuata tramite un desktop interattivo, remote. La formazione dal vivo in loco può essere effettuata localmente presso la sede del cliente in Italia o nei centri di formazione aziendale NobleProg in Italia.
NobleProg -- Il tuo fornitore di formazione locale
Machine Translated
Kubeflow Course Outlines
-
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.
-
Interattiva lezione e discussione.
Molti esercizi e pratiche.
Implementazione a mano in un ambiente live-lab.
-
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
-
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.
-
Interattiva lezione e discussione.
Molti esercizi e pratiche.
Implementazione a mano in un ambiente live-lab.
-
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
-
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.
-
Interattiva lezione e discussione.
Molti esercizi e pratiche.
Implementazione a mano in un ambiente live-lab.
-
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
-
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.
-
Interattiva lezione e discussione.
Molti esercizi e pratiche.
Implementazione a mano in un ambiente live-lab.
-
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
-
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.
-
Interattiva lezione e discussione.
Molti esercizi e pratiche.
Implementazione a mano in un ambiente live-lab.
-
Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.
-
Al termine di questa formazione, i partecipanti saranno in grado di:
Installa e configura Kubernetes e Kubeflow in un cluster OpenShift.
Utilizza OpenShift per semplificare il lavoro di inizializzazione di un cluster Kubernetes.
Crea e distribuisci una pipeline Kubernetes per l'automazione e la gestione dei modelli di ML in produzione.
Addestra e distribuisci TensorFlow modelli ML su più GPU e computer in esecuzione in parallelo.
Chiama i servizi di cloud pubblico (ad esempio, i servizi AWS) dall'interno di OpenShift per estendere un'applicazione ML.
-
Lezione interattiva e discussione.
Un sacco di esercizi e pratica.
Implementazione pratica in un ambiente di laboratorio dal vivo.
-
Per richiedere una formazione personalizzata per questo corso, contattaci per organizzare.
-
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.
-
Interattiva lezione e discussione.
Molti esercizi e pratiche.
Implementazione a mano in un ambiente live-lab.
-
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: