Schulungsübersicht

Einführung

  • Kubeflow auf GCK vs. On-Premise vs. andere öffentliche Cloud-Anbieter

Überblick über Kubeflow Funktionen auf GCP

  • Deklarative Verwaltung von Ressourcen
  • Automatische Skalierung von GKE für Workloads des maschinellen Lernens (ML)
  • Sichere Verbindungen zu Jupyter
  • Persistente Protokolle für Debugging und Fehlerbehebung
  • GPUs und TPUs zur Beschleunigung von Workloads

Überblick über die Einrichtung der Umgebung

  • Vorbereitung der virtuellen Maschine
  • Kubernetes Einrichtung des Clusters
  • Kubeflow-Installation

Einsetzen Kubeflow

  • Bereitstellen Kubeflow on GCP
  • Einsatz von Kubeflow in ortsfesten und Cloud-Umgebungen
  • Einsatz von Kubeflow auf GKE
  • Einrichten einer benutzerdefinierten Domäne auf GKE

Pipelines auf GCP

  • Einrichten einer End-to-End-Kubeflow-Pipeline
  • Anpassen von Kubeflow-Pipelines

Absicherung eines Kubeflow Clusters

  • Einrichten von Authentifizierung und Autorisierung
  • Verwendung von VPC-Dienstkontrollen und privatem GKE

Speichern, Accessing, Verwalten von Daten

  • Verstehen von gemeinsam genutzten Dateisystemen und Network Attached Storage (NAS)
  • Verwendung von verwalteten Dateispeicherdiensten in GCE

Durchführung eines ML-Ausbildungsauftrags

  • Training eines MNIST-Modells

Verabreichung Kubeflow

  • Protokollierung und Überwachung

Fehlersuche

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Verständnis für Konzepte des maschinellen Lernens.
  • Kenntnisse über Cloud-Computing-Konzepte.
  • Ein allgemeines Verständnis von Containern (Docker) und Orchestrierung (Kubernetes).
  • Ein wenig Python Programmiererfahrung ist hilfreich.
  • Erfahrung im Umgang mit einer Kommandozeile.

Publikum

  • Datenwissenschaftler.
  • DevOps Ingenieure, die an der Entwicklung von Modellen für maschinelles Lernen interessiert sind.
  • Infrastrukturingenieure, die an der Bereitstellung von maschinellen Lernmodellen interessiert sind.
  • Software-Ingenieure, die die Integration und Bereitstellung von Funktionen des maschinellen Lernens in ihrer Anwendung automatisieren möchten.
  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.

Erfahrungsberichte (2)

Kombinierte Kurse

Verwandte Kategorien