Vielen Dank für Ihre Anfrage! Einer unserer Mitarbeiter wird sich in Kürze mit Ihnen in Verbindung setzen.
Vielen Dank, dass Sie uns Ihre Buchung schicken! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
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