Kursplan

Införandet

  • Introduktion till Kubernetes
  • Översikt över Kubeflow funktioner och arkitektur
  • Kubeflow på AWS vs on-premise vs på andra offentliga molnleverantörer

Konfigurera ett kluster med AWS EKS

Konfigurera ett lokalt kluster med Microk8s

Distribuera Kubernetes med hjälp av en GitOps-metod

Metoder för datalagring

Skapa en Kubeflow pipeline

Utlösa en pipeline

Definiera utdataartefakter

Lagra metadata för datauppsättningar och modeller

Justering av hyperparametrar med TensorFlow

Visualisering och analys av resultaten

Multi-GPU Utbildning

Skapa en inferensserver för distribution av ML-modeller

Arbeta med JupyterHub

Networking och lastbalansering

Automatisk skalning av ett Kubernetes-kluster

Felsökning

Sammanfattning och slutsats

Krav

  • Bekantskap med Python-syntax
  • Erfarenhet av Tensorflow, PyTorch eller andra ramverk för maskininlärning
  • Ett AWS-konto med nödvändiga resurser

Publik

  • Utvecklare
  • Dataforskare
 35 timmar

Antal deltagare


Price per participant

Vittnesmål (1)

Relaterade Kategorier