Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie
Przegląd funkcji i komponentów Kubeflow
- Kontenery, manifesty, itp.
Przegląd pipeline'a uczenia maszynowego
- Trening, testy, dostrojenie, wdrażanie, itp.
Wdrażanie Kubeflow do klastra Kubernetes
- Przygotowanie środowiska wykonawczego (klaster treningowy, klaster produkcyjny, itp.)
- Pobieranie, instalacja i dostosowanie.
Uruchamianie pipeline'a uczenia maszynowego na Kubernetesie
- Budowanie pipeline'a TensorFlow.
- Budowanie pipeline'a PyTorch.
Wizualizacja wyników
- Eksport i wizualizacja metryk pipeline'a
Dostosowywanie środowiska wykonawczego
- Dostosowywanie stosu technologicznego do różnych infrastruktur
- Aktualizacja wdrożenia Kubeflow
Uruchamianie Kubeflow w publicznych chmurach
- AWS, Microsoft Azure, Google Cloud Platform
Zarządzanie workflowami produkcyjnymi
- Praca w metodologii GitOps
- Planowanie zadań
- Tworzenie notatników Jupyter
Diagnostyka i rozwiązywanie problemów
Podsumowanie i wnioski
Wymagania
- Znajomość składni Pythona
- Doświadczenie w pracy z Tensorflow, PyTorch lub innym frameworkiem do uczenia maszynowego
- Konto u dostawcy publicznej chmury (opcjonalnie)
Grupa docelowa
- Developerzy
- Naukowcy danych
28 godzin