Kubeflow on AWS Träningskurs
Kubeflow är en ram för att köra Machine Learning arbetsbelastningar på Kubernetes. TensorFlow är en maskininlärningsbibliotek och Kubernetes är en orkesterplattform för hantering av containerade applikationer.
Denna instruktörledda, live-utbildning (online eller on-site) riktar sig till ingenjörer som vill distribuera Machine Learning arbetsbelastningar till en AWS EC2-server.
Vid slutet av denna utbildning kommer deltagarna att kunna:
- Installera och konfigurera Kubernetes, Kubeflow och annan nödvändig programvara på AWS.
- Använd EKS (Elastic Kubernetes Service) för att förenkla arbetet med att initiera en Kubernetes kluster på AWS.
- Skapa och implementera en Kubernetes rörledning för automatisering och hantering av ML-modeller i produktion.
- Utbilda och distribuera TensorFlow ML-modeller över flera GPUs och maskiner som körs parallellt.
- Leverera andra AWS hanterade tjänster för att utöka en ML-ansökan.
Format för kursen
- Interaktiv föreläsning och diskussion.
- Många övningar och övningar.
- Hand-on implementering i en live-lab miljö.
Kursanpassningsalternativ
- För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.
Kursplan
Införandet
- Kubeflow på AWS vs on-premise vs på andra offentliga molnleverantörer
Översikt över Kubeflow funktioner och arkitektur
Aktivera ett AWS-konto
Förbereda och starta GPU-aktiverade AWS-instanser
Ställa in användarroller och behörigheter
Förbereda byggmiljön
Välja en TensorFlow modell och datauppsättning
Paketera kod och ramverk i en Docker-avbildning
Konfigurera ett Kubernetes kluster med EKS
Mellanlagring av tränings- och valideringsdata
Konfigurera Kubeflow pipelines
Starta ett utbildningsjobb med Kubeflow i EKS
Visualisera träningsjobbet i körning
Rensa upp när jobbet har slutförts
Felsökning
Sammanfattning och slutsats
Krav
- En förståelse för maskininlärningskoncept.
- Kunskaper om cloud computing-koncept.
- En allmän förståelse för containrar (Docker) och orkestrering (Kubernetes).
- Viss Python programmeringserfarenhet är till hjälp.
- Erfarenhet av att arbeta med en kommandorad.
Publik
- Datavetenskapliga ingenjörer.
- DevOps ingenjörer som är intressanta för implementering av maskininlärningsmodeller.
- Infrastrukturingenjörer som är intressanta för implementering av maskininlärningsmodeller.
- Mjukvaruingenjörer som vill integrera och distribuera maskininlärningsfunktioner med sin applikation.
Open Training Courses require 5+ participants.
Kubeflow on AWS Träningskurs - Booking
Kubeflow on AWS Träningskurs - Enquiry
Kubeflow on AWS - Consultancy Enquiry
Vittnesmål (3)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Kurs - MLflow
All good, nothing to improve
Ievgen Vinchyk - GE Medical Systems Polska Sp. Z O.O.
Kurs - AWS Lambda for Developers
IOT applications
Palaniswamy Suresh Kumar - Makers' Academy
Kurs - Industrial Training IoT (Internet of Things) with Raspberry PI and AWS IoT Core 「4 Hours Remote」
Upcoming Courses
Relaterade Kurser
MLflow
21 timmarDenna instruktörsledda, liveutbildning (online eller på plats) riktar sig till datavetare som vill gå längre än att bygga ML-modeller och optimera skapandet, spårningen och distributionsprocessen för ML-modeller.
I slutet av denna utbildning kommer deltagarna att kunna:
- Installera och konfigurera MLflow och relaterade ML-bibliotek och ramverk.
- Uppskatta vikten av spårbarhet, reproducerbarhet och distribuerbarhet av en ML-modell
- Distribuera ML-modeller till olika offentliga moln, plattformar eller lokala servrar.
- Skala ML-distributionsprocessen så att den rymmer flera användare som samarbetar i ett projekt.
- Konfigurera ett centralt register för att experimentera med, återskapa och distribuera ML-modeller.
Amazon DynamoDB for Developers
14 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill integrera en DynamoDB NoSQL-databas i en webbapplikation som är värd på AWS.
I slutet av denna utbildning kommer deltagarna att kunna:
- Ställ in den nödvändiga utvecklingsmiljön för att börja integrera data i DynamoDB.
- Integrera DynamoDB i webbapplikationer och mobilapplikationer.
- Flytta data i AWS med AWS-tjänster.
- Implementera operationer med AWS DAX.
AWS CloudFormation
7 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till ingenjörer som vill använda AWS CloudFormation för att automatisera processen för att hantera AWS molninfrastruktur.
I slutet av denna utbildning kommer deltagarna att kunna:
- Aktivera AWS-tjänster för att komma igång med att hantera infrastruktur.
- Förstå och tillämpa principen om "infrastruktur som kod".
- Förbättra kvaliteten och sänka kostnaderna för att distribuera infrastruktur.
- Skriv AWS CloudFormation mallar med YAML.
Advanced Amazon Web Services (AWS) CloudFormation
7 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till molningenjörer och utvecklare som vill använda CloudFormation för att hantera infrastrukturresurser inom AWS-ekosystemet.
I slutet av denna utbildning kommer deltagarna att kunna:
- Implementera CloudFormation mallar för att automatisera infrastrukturhantering.
- Integrera befintliga AWS-resurser i CloudFormation.
- Använd StackSets för att hantera stackar över flera konton och regioner.
AWS IoT Core
14 timmarDenna instruktörsledda, liveutbildning i Sverige (på plats eller på distans) riktar sig till ingenjörer som vill distribuera och hantera IoT-enheter på AWS.
I slutet av denna utbildning kommer deltagarna att kunna bygga en IoT-plattform som inkluderar distribution och hantering av en backend, gateway och enheter ovanpå AWS.
Industrial Training IoT (Internet of Things) with Raspberry PI and AWS IoT Core 「4 Hours Remote」
4 timmarSommarlik:
- Grunderna i IoT-arkitektur och funktioner "Saker", "Sensorer", Internet och kartläggningen mellan affärsfunktioner i IoT. Viktigt för alla IoT-programvarukomponenter- hårdvara, firmware, mellanprogram, moln och mobilapp IoT-funktioner- Fleet manager, Datavisualisering, SaaS baserad FM och DV, larm/larm, sensor onboarding, “thing” onboarding, geo-fences Grunderna i IoT-enhetskommunikation med moln med MQTT. Ansluta IoT-enheter till AWS med MQTT (AWS IoT Core). Anslutande AWS IoT-kärna med AWS Lambda funktion för beräkning och datalagring. Ansluter Raspberry PI med AWS IoT-kärna och enkel datakommunikation. Varningar och händelser Sensorkalibrering
Industrial Training IoT (Internet of Things) with Raspberry PI and AWS IoT Core 「8 Hours Remote」
8 timmarSammanfattning:
- Grunderna i IoT-arkitektur och funktioner "Saker", "Sensorer", Internet och kartläggningen mellan affärsfunktioner i IoT. Viktigt för alla IoT-programvarukomponenter- hårdvara, firmware, mellanprogram, moln och mobilapp IoT-funktioner- Fleet manager, Datavisualisering, SaaS baserad FM och DV, larm/larm, sensor onboarding, “thing” onboarding, geo-fences Grunderna i IoT-enhetskommunikation med moln med MQTT. Ansluta IoT-enheter till AWS med MQTT (AWS IoT Core). Anslutande AWS IoT-kärna med AWS Lambda funktion för beräkning och datalagring med DynamoDB. Ansluter Raspberry PI med AWS IoT-kärna och enkel datakommunikation. Praktiskt med Raspberry PI och AWS IoT Core för att bygga en smart enhet. Sensordatavisualisering och kommunikation med webbgränssnitt.
Amazon Web Services (AWS) IoT Greengrass
21 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill installera, konfigurera och hantera AWS IoT Greengrass-funktioner för att skapa applikationer för olika enheter.
I slutet av denna utbildning kommer deltagarna att kunna använda AWS IoT Greengrass för att bygga, distribuera, hantera, säkra och övervaka applikationer på intelligenta enheter.
AWS Lambda for Developers
14 timmarDenna instruktörsledda, liveutbildning i Sverige (på plats eller på distans) riktar sig till utvecklare som vill använda AWS Lambda för att bygga och distribuera tjänster och applikationer till molnet, utan att behöva oroa sig för att tillhandahålla exekveringsmiljön (servrar, virtuella datorer och behållare, tillgänglighet, skalbarhet, lagring, etc.).
I slutet av denna utbildning kommer deltagarna att kunna:
- Konfigurera AWS Lambda för att utföra en funktion.
- Förstå FaaS (Functions as a Service) och fördelarna med serverlös utveckling.
- Bygg, ladda upp och kör AWS Lambda funktioner.
- Integrera Lambda-funktioner med olika händelsekällor.
- Paketera, distribuera, övervaka och felsök Lambda-baserade applikationer.
Advanced AWS Lambda
14 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill integrera AWS Lambda applikationer och tjänster med andra tjänster (API Gateway, Kinesis Streams, etc.). Utbildningen visar hur man använder den webbläsarbaserade AWS Cloud9 IDE för att utveckla programvara i samarbete.
I slutet av denna utbildning kommer deltagarna att kunna:
- Utveckla funktioner, applikationer och tjänster tillsammans med AWS Cloud9 IDE.
- Integrera AWS Lambda funktioner med andra AWS-tjänster.
- Skapa och hantera API:er.
- Ställ in en AWS Lambda funktion för att läsa och bearbeta strömmande data i realtid.
- Skapa och hantera en kontinuerlig integrationspipeline för att bygga, testa och distribuera en AWS Lambda funktion och applikation.
MLOps for Azure Machine Learning
14 timmarDenna instruktörsledda, liveutbildning (online eller på plats) riktar sig till maskininlärningsingenjörer som vill använda Azure Machine Learning och Azure DevOps för att underlätta MLOps metoder.
I slutet av denna utbildning kommer deltagarna att kunna:
- Skapa reproducerbara arbetsflöden och maskininlärningsmodeller.
- Hantera livscykeln för maskininlärning.
- Spåra och rapportera modellens versionshistorik, tillgångar med mera.
- Distribuera produktionsklara maskininlärningsmodeller var som helst.
MLOps: CI/CD for Machine Learning
35 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till ingenjörer som vill utvärdera de metoder och verktyg som finns tillgängliga idag för att fatta ett intelligent beslut om vägen framåt för att införa MLOps inom sin organisation.
I slutet av denna utbildning kommer deltagarna att kunna:
- Installera och konfigurera olika MLOps ramverk och verktyg.
- Sätt ihop rätt typ av team med rätt kompetens för att konstruera och stödja ett MLOps system.
- Förbereda, validera och versionshantera data för användning av ML-modeller.
- Förstå komponenterna i en ML Pipeline och de verktyg som behövs för att skapa en.
- Experimentera med olika ramverk för maskininlärning och servrar för distribution till produktion.
- Operationalisera hela Machine Learning-processen så att den kan återskapas och underhållas.
Kubeflow on Azure
28 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till ingenjörer som vill distribuera Machine Learning arbetsbelastningar till Azure-molnet.
I slutet av denna utbildning kommer deltagarna att kunna:
- Installera och konfigurera Kubernetes, Kubeflow och annan nödvändig programvara på Azure.
- Använd Azure Kubernetes Service (AKS) för att förenkla arbetet med att initiera ett Kubernetes-kluster på Azure.
- Skapa och distribuera en Kubernetes-pipeline för automatisering och hantering av ML-modeller i produktion.
- Träna och distribuera TensorFlow ML-modeller över flera GPU:er och maskiner som körs parallellt.
- Utnyttja andra AWS-hanterade tjänster för att utöka en ML-applikation.
Kubeflow on GCP
28 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till ingenjörer som vill distribuera Machine Learning arbetsbelastningar till Google Cloud Platform (GCP).
I slutet av denna utbildning kommer deltagarna att kunna:
- Installera och konfigurera Kubernetes, Kubeflow och annan nödvändig programvara på GCP och GKE.
- Använd GKE (Kubernetes Kubernetes Engine) för att förenkla arbetet med att initiera ett Kubernetes-kluster på GCP.
- Skapa och distribuera en Kubernetes-pipeline för automatisering och hantering av ML-modeller i produktion.
- Träna och distribuera TensorFlow ML-modeller över flera GPU:er och maskiner som körs parallellt.
- Utnyttja andra GCP-tjänster för att utöka en ML-applikation.
Kubeflow on IBM Cloud
28 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till ingenjörer som vill distribuera Machine Learning arbetsbelastningar till IBM Cloud Kubernetes Service (IKS).
I slutet av denna utbildning kommer deltagarna att kunna:
- Installera och konfigurera Kubernetes, Kubeflow och annan nödvändig programvara på IBM Cloud Kubernetes Service (IKS).
- Använd IKS för att förenkla arbetet med att initiera ett Kubernetes-kluster på IBM Cloud.
- Skapa och distribuera en Kubernetes-pipeline för automatisering och hantering av ML-modeller i produktion.
- Träna och distribuera TensorFlow ML-modeller över flera GPU:er och maskiner som körs parallellt.
- Utnyttja andra IBM Cloud-tjänster för att utöka en ML-applikation.