Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Införandet
Översikt över Kubeflow Funktioner och komponenter
- Containrar, manifest osv.
Översikt över en Machine Learning pipeline
- Utbildning, testning, justering, distribution osv.
Distribuera Kubeflow till ett Kubernetes kluster
- Förbereda körningsmiljön (träningskluster, produktionskluster osv.)
- Ladda ner, installera och anpassa.
Köra en Machine Learning pipeline på Kubernetes
- Bygga en TensorFlow pipeline.
- Bygga en PyTorch pipleline.
Visualisering av resultaten
- Exportera och visualisera pipelinemått
Anpassa körningsmiljön
- Anpassa stacken för olika infrastrukturer
- Uppgradera en Kubeflow distribution
Köra Kubeflow i offentliga moln
- AWS, Microsoft Azure, Google Cloud Platform
Hantera produktionsarbetsflöden
- Köra med GitOps-metodik
- Tidsplanera jobb
- Skapande Jupyter Notebooks
Felsökning
Sammanfattning och slutsats
Krav
- Bekantskap med Python-syntax
- Erfarenhet av Tensorflow, PyTorch eller andra ramverk för maskininlärning
- Ett offentligt molnleverantörskonto (valfritt)
Publik
- Utvecklare
- Dataforskare
28 timmar