
Lokala, instruktörsledda levande Kubeflow utbildningar demonstrerar genom interaktiv Kubeflow hur man använder Kubeflow att bygga, distribuera och hantera arbetsinflöden för maskininlärning på Kubernetes . Kubeflow träning finns som "live-träning på plats" eller "fjärr-live-träning". Live-utbildning på plats kan genomföras lokalt i kundens lokaler i Sverige eller i NobleProg företagsutbildningscenter i Sverige . Livlig fjärrutbildning utförs genom ett interaktivt, fjärrskrivbord. NobleProg - din lokala utbildningsleverantör
Machine Translated
Vittnesmål
Justering till våra behov
Sumitomo Mitsui Finance and Leasing Company, Limited
Kurs: Kubeflow
Machine Translated
Kubeflow läroplaner
-
Installera och konfigurera Kubeflow på premise och i molnet med hjälp av AWS EKS (Elastic Kubernetes Service).
Bygg, distribuera och hantera ML-arbetsflöden baserat på Docker behållare och Kubernetes.
Kör hela maskininlärningsrör på olika arkitekturer och molnmiljöer.
Använd Kubeflow för att spåra och hantera Jupyter bärbara datorer.
Bygg ML-utbildning, hyperparametrar och serverar arbetsbelastningar på flera plattformar.
-
Interaktiv föreläsning och diskussion.
Många övningar och övningar.
Hand-on implementering i en live-lab miljö.
-
För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.
-
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.
-
Interaktiv föreläsning och diskussion.
Många övningar och övningar.
Hand-on implementering i en live-lab miljö.
-
För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.
-
Installera och konfigurera Kubernetes, Kubeflow och annan nödvändig programvara på Azure.
Använd Azure Kubernetes Service (AKS) för att förenkla arbetet med att initialisera en Kubernetes kluster på Azure.
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.
-
Interaktiv föreläsning och diskussion.
Många övningar och övningar.
Hand-on implementering i en live-lab miljö.
-
För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.
-
Installera och konfigurera Kubernetes, Kubeflow och annan nödvändig programvara på GCP och GKE.
Använd GKE (Kubernetes Kubernetes Engine) för att förenkla arbetet med att initialisera en Kubernetes kluster på GCP.
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 GCP-tjänster för att utöka en ML-ansökan.
-
Interaktiv föreläsning och diskussion.
Många övningar och övningar.
Hand-on implementering i en live-lab miljö.
-
För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.
-
Installera och konfigurera Kubernetes, Kubeflow och annan nödvändig programvara på IBM Cloud Kubernetes Service (IKS).
Använd IKS för att förenkla arbetet med att initialisera en Kubernetes kluster på IBM Cloud.
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 IBM Cloud-tjänster för att utöka en ML-applikation.
-
Interaktiv föreläsning och diskussion.
Många övningar och övningar.
Hand-on implementering i en live-lab miljö.
-
För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.
-
Vid slutet av denna utbildning kommer deltagarna att kunna:
Ställ in och konfigurera Kubeflow och Kubeflow på en Kubeflow kluster.
Använd OpenShift för att förenkla arbetet med att initialisera en Kubernetes kluster.
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.
Ring offentliga molntjänster (t.ex. AWS-tjänster) från insidan OpenShift för att utöka en ML-ansökan.
-
Interaktiv föreläsning och diskussion.
Många övningar och övningar.
Hand-on implementering i en live-lab miljö.
-
För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.
-
Installera och konfigurera Kubeflow på premise och i molnet.
Bygg, distribuera och hantera ML-arbetsflöden baserat på Docker behållare och Kubernetes.
Kör hela maskininlärningsrör på olika arkitekturer och molnmiljöer.
Använd Kubeflow för att spåra och hantera Jupyter bärbara datorer.
Bygg ML-utbildning, hyperparametrar och serverar arbetsbelastningar på flera plattformar.
-
Interaktiv föreläsning och diskussion.
Många övningar och övningar.
Hand-on implementering i en live-lab miljö.
-
För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.
För att lära dig mer om Kubeflow, vänligen besök: https://github.com/kubeflow/kubeflow
Last Updated: