Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Návrh Školení
Úvod
- Kubeflow on AWS vs on-premise vs na jiných veřejných poskytovatelích cloudu
Přehled Kubeflow Funkce a architektura
Aktivace účtu AWS
Příprava a spouštění instancí AWS s povoleným GPU
Nastavení uživatelských rolí a oprávnění
Příprava prostředí stavby
Výběr TensorFlow modelu a datové sady
Balení kódu a rámců do obrázku Docker
Nastavení Kubernetes Clusteru pomocí EKS
Příprava školicích a ověřovacích dat
Konfigurace Kubeflow Potrubí
Spuštění úlohy školení pomocí Kubeflow v EKS
Vizualizace školicí úlohy za běhu
Čištění po dokončení úlohy
Odstraňování problémů
Shrnutí a závěr
Požadavky
- Pochopení konceptů strojového učení.
- Znalost konceptů cloud computingu.
- Obecná znalost kontejnerů (Docker) a orchestrace (Kubernetes).
- Některé Python zkušenosti s programováním jsou užitečné.
- Zkušenosti s prací s příkazovým řádkem.
Publikum
- Inženýři datové vědy.
- DevOps inženýři zajímající se o nasazení modelu strojového učení.
- Inženýři infrastruktury zajímající se o nasazení modelu strojového učení.
- Softwaroví inženýři, kteří chtějí integrovat a nasadit funkce strojového učení se svou aplikací.
28 hodiny