
Místní tréninkové kurzy Kubeflow instruktory ukazují prostřednictvím interaktivních praktických cvičení, jak používat Kubeflow k vytváření, nasazení a správě pracovních postupů strojového učení na Kubernetes . Kubeflow je k dispozici jako „živý trénink na místě“ nebo „vzdálený živý trénink“. Živé školení na místě lze provádět místně v prostorách zákazníka v České republice nebo ve firemních školicích střediscích NobleProg v České republice . Vzdálené živé školení se provádí prostřednictvím interaktivní vzdálené plochy. NobleProg - váš místní poskytovatel školení
Machine Translated
Kubeflow Návrh Školení
Tento výcvik vedený instruktorem, naživo (online nebo on-site) je zaměřen na vývojáře a vědce údajů, kteří chtějí vytvořit, rozvíjet a spravovat pracovní toky strojového učení Kubernetes.
Po ukončení tohoto tréninku budou účastníci schopni:
Instalace a nastavení Kubeflow v předmětu a v cloudu pomocí služby AWS EKS (Elastic Kubernetes Service). Vytvořte, rozložte a spravujte pracovní toky ML na základě Docker kontejnerů a Kubernetes. Proveďte celé potrubí strojového učení v různých architektonických a cloudových prostředích. Použití Kubeflow pro špionáž a správu notebooku Jupyter. Build ML trénink, hyperparametr tuning, a obsluhovat pracovní zatížení na více platformách.
Formát kurzu
Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.
Možnosti personalizace kurzu
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na inženýry, kteří chtějí rozdělit Machine Learning pracovní zatížení na server AWS EC2.
Po ukončení tohoto tréninku budou účastníci schopni:
Instalace a konfigurace Kubernetes, Kubeflow a jiného potřebného softwaru na AWS. Použijte EKS (Elastic Kubernetes Service), abyste zjednodušili práci iniciování klastru Kubernetes na AWS. Vytvořit a rozvíjet Kubernetes potrubí pro automatizaci a řízení modelů ML ve výrobě. Trénovat a rozvíjet TensorFlow ML modely přes více GPUs a stroje běžící v paralelě. Využijte další služby spravované společností AWS, abyste rozšířili aplikaci ML.
Formát kurzu
Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.
Možnosti personalizace kurzu
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na inženýry, kteří chtějí rozdělit Machine Learning pracovní zatížení do Azure cloudu.
Po ukončení tohoto tréninku budou účastníci schopni:
Instalace a konfigurace Kubernetes, Kubeflow a další potřebné software na Azure. Použijte Azure Kubernetes Službu (AKS) k zjednodušení práce iniciování Kubernetes klastru na Azure. Vytvořit a rozvíjet Kubernetes potrubí pro automatizaci a řízení modelů ML ve výrobě. Trénovat a rozvíjet TensorFlow modely ML přes více GPUs a stroje běžící v paralelě. Využijte další služby spravované společností AWS, abyste rozšířili aplikaci ML.
Formát kurzu
Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.
Možnosti personalizace kurzu
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na inženýry, kteří chtějí rozdělit Machine Learning pracovní zatížení na Google Cloud Platform (GCP).
Po ukončení tohoto tréninku budou účastníci schopni:
Instalace a konfigurace Kubernetes, Kubeflow a další potřebné software na GCP a GKE. Použijte GKE (Kubernetes Kubernetes Engine) k zjednodušení práce iniciování Kubernetes klastru na GCP. Vytvořit a rozvíjet Kubernetes potrubí pro automatizaci a řízení modelů ML ve výrobě. Trénovat a rozvíjet TensorFlow ML modely přes více GPUs a stroje běžící v paralelě. Využijte další služby GCP k rozšíření aplikace ML.
Formát kurzu
Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.
Možnosti personalizace kurzu
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na inženýry, kteří chtějí rozdělit Machine Learning pracovní zatížení do IBM Cloud Kubernetes Service (IKS).
Po ukončení tohoto tréninku budou účastníci schopni:
Instalace a konfigurace Kubernetes, Kubeflow a jiného potřebného softwaru na IBM Cloud Kubernetes Service (IKS). Použijte IKS, abyste zjednodušili práci iniciování Kubernetes klastru na IBM Cloud. Vytvořit a rozvíjet Kubernetes potrubí pro automatizaci a řízení modelů ML ve výrobě. Trénovat a rozvíjet TensorFlow ML modely přes více GPUs a stroje běžící v paralelě. Využijte další služby IBM Cloud k rozšíření aplikace ML.
Formát kurzu
Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.
Možnosti personalizace kurzu
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na inženýry, kteří chtějí rozdělit Machine Learning pracovní zatížení do OpenShift on-premise nebo hybridního cloudu.
Po ukončení tohoto tréninku budou účastníci schopni: Vybírejte a nastavte Kubernetes a Kubeflow na Kubeflow klastru. Použijte OpenShift k zjednodušení práce iniciování Kubernetes klastru. Vytvořit a rozvíjet Kubernetes potrubí pro automatizaci a řízení modelů ML ve výrobě. Trénovat a rozvíjet TensorFlow ML modely přes více GPUs a stroje běžící v paralelě. Zavolejte veřejné cloudové služby (např. služby AWS) zevnitř OpenShift k rozšíření aplikace ML.
Formát kurzu
Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.
Možnosti personalizace kurzu
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
Tento výcvik vedený instruktorem, naživo (online nebo on-site) je zaměřen na vývojáře a vědce údajů, kteří chtějí vytvořit, rozvíjet a spravovat pracovní toky strojového učení Kubernetes.
Po ukončení tohoto tréninku budou účastníci schopni:
Instalace a nastavení Kubeflow na předměstí a v cloudu. Vytvořte, rozložte a spravujte pracovní toky ML na základě Docker kontejnerů a Kubernetes. Proveďte celé potrubí strojového učení v různých architektonických a cloudových prostředích. Použití Kubeflow pro špionáž a správu notebooku Jupyter. Build ML trénink, hyperparametr tuning, a obsluhovat pracovní zatížení na více platformách.
Formát kurzu
Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.
Možnosti personalizace kurzu
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali. Chcete-li se dozvědět více o Kubeflow, navštivte prosím: https://github.com/kubeflow/kubeflow
Last Updated: