Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Introductie
- Kubeflow op AWS versus on-premise versus op andere openbare cloudproviders
Overzicht van Kubeflow Functies en architectuur
Een AWS-account activeren
AWS-instances met GPU voorbereiden en starten
Gebruikersrollen en machtigingen instellen
Voorbereiding van de bouwomgeving
Een TensorFlow-model en gegevensset selecteren
Verpakkingscode en kaders in een Docker afbeelding
Een Kubernetes-cluster instellen met behulp van EKS
Fasering van de trainings- en validatiegegevens
Pijplijnen configureren Kubeflow
Een trainingstaak starten met Kubeflow in EKS
De trainingstaak visualiseren in runtime
Opruimen nadat de klus is geklaard
Probleemoplossing
Samenvatting en conclusie
Requirements
- Een goed begrip van machine learning-concepten.
- Kennis van cloud computing-concepten.
- Een algemeen begrip van containers (Docker) en orkestratie (Kubernetes).
- Enige Python programmeerervaring is nuttig.
- Ervaring met het werken met een opdrachtregel.
Publiek
- Datawetenschappers.
- DevOps ingenieurs die geïnteresseerd zijn in de implementatie van machine learning-modellen.
- Infrastructuuringenieurs die interessant zijn in de implementatie van machine learning-modellen.
- Software-ingenieurs die machine learning-functies willen integreren en implementeren met hun applicatie.
28 Hours
Getuigenissen (1)