Neem contact met ons 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

Aantal deelnemers


Prijs per deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën