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.
Duur 28 uren
Cursusaanbod
Inleiding
Overzicht van Kubeflow-functies en componenten
- Containers, manifests, etc.
Overzicht van een machine learning-pipeline
- Training, testen, tuning, implementatie, etc.
Kubeflow implementeren op een Kubernetes-cluster
- De uitvoeringomgeving voorbereiden (trainingscluster, producti cluster, etc.)
- Downloaden, installeren en aanpassen.
Een machine learning-pipeline uitvoeren op Kubernetes
- Een TensorFlow-pipeline bouwen.
- Een PyTorch-pipeline bouwen.
Resultaten visualiseren
- Pipelinemetrics exporteren en visualiseren
De uitvoeringomgeving aanpassen
- De stack aanpassen voor verschillende infrastructures
- Een Kubeflow-implementatie bijwerken
Kubeflow uitvoeren op publieke clouds
- AWS, Microsoft Azure, Google Cloud Platform
Productiewerkstromen beheren
- Uitvoeren volgens de GitOps-methode
- Jobs plannen
- Jupyter-notebooks genereren
Vereisten
- Kennis van Python-syntax
- Ervaring met TensorFlow, PyTorch of een ander machine learning-framework
- Een account bij een publieke cloudprovider (optioneel)
Doelgroep
- Developers
- Data scientists