Zkuste nás kontaktovat
 Doba trvání 14 hodiny

Návrh Školení

Úvod do Kubeflow

  • Pochopení mise a architektury Kubeflow
  • Přehled hlavních komponent a ekosystému
  • Možnosti nasazení a schopnosti platformy

Práce s dashboardem Kubeflow

  • Navigace uživatelského rozhraní
  • Správa notebooků a pracovních prostor
  • Integrace úložiště a zdrojů dat

Základy Kubeflow Pipelines

  • Struktura pipeline a design komponent
  • Vytváření pipeline pomocí Python SDK
  • Spouštění, plánování a monitorování běhů pipeline

Trénování modelů strojového učení v Kubeflow

  • Vzorce distribuovaného trénování
  • Používání TFJob, PyTorchJob a jiných operátorů
  • Správa zdrojů a automatické škálování v Kubernetes

Nasazování modelů pomocí Kubeflow

  • Přehled KFServing / KServe
  • Nasazování modelů s vlastními runtimy
  • Správa revizí, škálování a směrování provozu

Správa workflow strojového učení na Kubernetes

  • Verzování dat, modelů a artefaktů
  • Integrace CI/CD pro pipeline strojového učení
  • Bezpečnost a přístupové oprávnění založená na rolích

Nejlepší praktiky pro produkční strojové učení

  • Návrh spolehlivých vzorců workflow
  • Observovatelnost a monitorování
  • Odstraňování běžných problémů Kubeflow

Pokročilé témata (volitelné)

  • Multi-tenant prostředí Kubeflow
  • Scénáře hybridního a multiclusterového nasazení
  • Rozšiřování Kubeflow vlastními komponentami

Závěr a další kroky

Požadavky

  • Pochopení kontejnerizovaných aplikací
  • Zkušenosti s základními workflow příkazového řádku
  • Znalost konceptů Kubernetes

Cílová skupina

  • Praktici strojového učení
  • Vědci o datech
  • Týmy DevOps nové v Kubeflow

Počet účastníků


Cena za účastníka

Reference (4)

Nadcházející kurzy

Související kategorie