Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung
Übersicht über die Funktionen und Komponenten von Kubeflow
- Container, Manifeste usw.
Übersicht über eine maschinelle Lern-Pipeline
- Training, Testen, Tuning, Bereitstellung usw.
Bereitstellung von Kubeflow in einem Kubernetes-Cluster
- Vorbereitung der Ausführungsumgebung (Trainingscluster, Produktionscluster usw.)
- Herunterladen, Installation und Anpassung.
Ausführen einer maschinellen Lern-Pipeline auf Kubernetes
- Aufbau einer TensorFlow-Pipeline.
- Aufbau einer PyTorch-Pipeline.
Visualisierung der Ergebnisse
- Exportieren und Visualisieren von Pipeline-Metriken
Anpassen der Ausführungsumgebung
- Anpassen des Stacks für unterschiedliche Infrastrukturen
- Aufrüsten einer Kubeflow-Bereitstellung
Kubeflow in öffentlichen Clouds ausführen
- AWS, Microsoft Azure, Google Cloud Platform
Verwaltung von Produktions-Workflows
- Ausführung mit GitOps-Methodik
- Job-Scheduling
- Erzeugung von Jupyter-Notebooks
Fehlerbehebung
Zusammenfassung und Schlussfolgerungen
Voraussetzungen
- Vertrautheit mit der Python-Syntax
- Erfahrung mit TensorFlow, PyTorch oder anderen maschinellen Lern-Frameworks
- Ein Konto bei einem öffentlichen Cloud-Anbieter (optional)
Zielgruppe
- Entwickler
- Data Scientists
28 Stunden