Kontakt aufnehmen
 Dauer 28 Stunden

Schulungsübersicht

Einführung

Übersicht der Funktionen und Komponenten von Kubeflow

  • Container, Manifeste usw.

Übersicht über eine Machine-Learning-Pipeline

  • Training, Testen, Tuning, Deployment usw.

Bereitstellung von Kubeflow in einem Kubernetes-Cluster

  • Vorbereiten der Ausführungsumgebung (Trainingscluster, Produktionscluster usw.)
  • Herunterladen, Installation und Anpassung.

Ausführen einer Machine-Learning-Pipeline auf Kubernetes

  • Aufbau einer TensorFlow-Pipeline.
  • Aufbau einer PyTorch-Pipeline.

Visualisierung der Ergebnisse

  • Exportieren und Visualisieren von Pipeline-Kennzahlen

Anpassen der Ausführungsumgebung

  • Anpassen des Stacks für verschiedene Infrastrukturen
  • Upgrade einer Kubeflow-Installation

Ausführen von Kubeflow in öffentlichen Clouds

  • AWS, Microsoft Azure, Google Cloud Platform

Verwaltung von Produktions-Workflows

  • Ausführen mit der GitOps-Methodik
  • Einplanen von Jobs
  • Erstellen von Jupyter-Notebooks

Voraussetzungen

  • Vertrautheit mit der Python-Syntax
  • Erfahrung mit TensorFlow, PyTorch oder anderen Machine-Learning-Frameworks
  • Ein Konto bei einem öffentlichen Cloud-Anbieter (optional)

Zielgruppe

  • Entwickler
  • Data Scientists

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien