
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
-
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.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
-
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.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
-
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.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
-
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.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
-
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.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
-
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.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.
-
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.
-
Interaktivní přednáška a diskuse.
Mnoho cvičení a praxe.
Hands-on implementace v živém laboratoři prostředí.
-
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: