Schulungsübersicht

Einführung

Überblick über Kubeflow Funktionen und Komponenten

  • Container, Manifeste, etc.

Überblick über eine Machine Learning Pipeline

  • Schulung, Prüfung, Abstimmung, Bereitstellung usw.

Bereitstellung von Kubeflow auf einem Kubernetes Cluster

  • Vorbereitung der Ausführungsumgebung (Schulungscluster, Produktionscluster, usw.)
  • Herunterladen, Installieren und Anpassen.

Ausführen einer Machine Learning 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 verschiedene Infrastrukturen
  • Aufrüsten einer Kubeflow-Einrichtung

Betrieb Kubeflow in öffentlichen Clouds

  • AWS, Microsoft Azure, Google Cloud Platform

Verwaltung von Produktionsabläufen

  • Arbeiten mit der GitOps-Methodik
  • Planen von Aufträgen
  • Erzeugen von Jupyter-Notizbüchern

Fehlersuche

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Vertrautheit mit der Python-Syntax 
  • Erfahrung mit Tensorflow, PyTorch oder einem anderen Framework für maschinelles Lernen
  • Ein Konto bei einem öffentlichen Cloud-Anbieter (optional) 

Publikum

  • Entwickler
  • Datenwissenschaftler
  28 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Kombinierte Kurse

Verwandte Kategorien