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, manifesten, enz.
Overzicht van een Machine Learning pijplijn
- Trainen, testen, tunen, deployen, etc.
Kubeflow implementeren in een Kubernetes cluster
- Voorbereiden van de uitvoeringsomgeving (trainingscluster, productiecluster, etc.)
- Downloaden, installeren en aanpassen.
Een Machine Learning pijplijn uitvoeren op Kubernetes
- Het bouwen van een TensorFlow pijpleiding.
- Het bouwen van een PyTorch pipleline.
Visualiseren van de resultaten
- Metrische gegevens van pijplijnen exporteren en visualiseren
De uitvoeringsomgeving aanpassen
- De stack aanpassen voor diverse infrastructuren
- Een Kubeflow implementatie upgraden
Draaien Kubeflow op openbare clouds
- AWS, Microsoft Azure, Google Cloud Platform
Productieworkflows beheren
- Hardlopen met GitOps-methodologie
- Taken plannen
- Jupyter-notebooks voortbrengen
Probleemoplossing
Samenvatting en conclusie
Vereisten
- Bekendheid met de syntaxis van Python
- Ervaring met Tensorflow, PyTorch of een ander machine learning-framework
- Een account van een openbare cloudprovider (optioneel)
Audiëntie
- Ontwikkelaars
- Datawetenschappers
28 Uren
