Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Introduktion
Översikt över Kubeflows funktioner och komponenter
- Containers, manifests m. m.
Översikt över en pipeline för maskininlärning
- Träning, testning, justering, distribution m. m.
Distribution av Kubeflow till en Kubernetes-kluster
- Förberedelse av körningsmiljön (träningskluster, produktionskluster m. m.)
- Laddning ner, installation och anpassning.
Körning av en pipeline för maskininlärning på Kubernetes
- Skapande av en TensorFlow-pipeline.
- Skapande av en PyTorch-pipeline.
Visualisering av resultaten
- Export och visualisering av pipeline-metrisk
Anpassning av körningsmiljön
- Anpassning av stacken för olika infrastruktur
- Uppgradering av en Kubeflow-distribution
Körning av Kubeflow i publika moln
- AWS, Microsoft Azure, Google Cloud Platform
Hantering av produktionsarbetsflöden
- Körning enligt GitOps-metodologin
- Schema in av jobb
- Skapande av Jupyter-notebooks
Felsökning
Sammanfattning och slutsats
Krav
- Kännedom till Python-syntax
- Erfarenhet av TensorFlow, PyTorch eller andra maskininlärningsramverk
- Ett konto hos en publik molnleverantör (valfritt)
Målgrupp
- Utvecklare
- Datavetare
28 Timmar