Bedankt voor uw aanvraag! Een van onze medewerkers neemt binnenkort contact met u op
Bedankt voor uw boeking! Een van onze medewerkers neemt binnenkort contact met u op.
Cursusaanbod
Introductie
Overzicht van Kubeflow-functies en componenten
- Containers, manifests, enzovoort.
Overzicht van een machine learning-pijplijn
- Training, testen, tuning, implementatie, enzovoort.
Kubeflow implementeren op een Kubernetes-cluster
- De uitvoeringsomgeving voorbereiden (trainingcluster, productiester, enzovoort)
- Omladen, installeren en aanpassen.
Een machine learning-pijplijn uitvoeren op Kubernetes
- Een TensorFlow-pijplijn bouwen.
- Een PyTorch-pijplijn bouwen.
Resultaten visualiseren
- Pijlijnmetieken exporteren en visualiseren
De uitvoeringsomgeving aanpassen
- De stack aanpassen voor diverse infrastructuren
- Een Kubeflow-implementatie upgraden
Kubeflow uitvoeren op publieke clouds
- AWS, Microsoft Azure, Google Cloud Platform
Productiewerkstromen beheren
- Uitvoeren met de GitOps-methodologie
- Jobs inplannen
- Jupyter-notebooks opstarten
Problemen oplossen
Samenvatting en conclusie
Vereisten
- Kennis van Python-syntaxis
- Ervaring met TensorFlow, PyTorch of een ander machine learning-framework
- Een account bij een publieke cloudprovider (optioneel)
Doelgroep
- Ontwikkelaars
- Datawetenschappers
28 Uren