Návrh Školení

Úvod

    Kubeflow on Azure vs on-premise vs na jiných veřejných poskytovatelích cloudu

Přehled Kubeflow Funkce a architektura

Přehled procesu nasazení

Aktivace účtu Azure

Příprava a spouštění virtuálních strojů s podporou GPU

Nastavení uživatelských rolí a oprávnění

Příprava prostředí stavby

Výběr TensorFlow modelu a datové sady

Balení kódu a rámců do Docker obrázku

Nastavení Kubernetes Clusteru pomocí AKS

Příprava školicích a ověřovacích dat

Konfigurace Kubeflow Potrubí

Zahájení tréninkové práce.

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 se zájmem o nasazení modelu strojového učení.
  • Softwaroví inženýři, kteří chtějí automatizovat integraci a nasazení funkcí strojového učení s jejich aplikací.
  28 hodiny
 

Počet účastníků


Začátek

Konec


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Reference (3)

Související kurzy

Související kategorie