План на курса
Въведение
- Въведение в Kubernetes Общ преглед на Kubeflow функции и архитектура Kubeflow на AWS срещу локални срещу други публични доставчици на облак
Настройване на клъстер с помощта на AWS EKS
Настройване на локален клъстер с помощта на Microk8s
Разполагане Kubernetes с помощта на GitOps подход
Подходи за съхранение на данни
Създаване на Kubeflow конвейер
Задействане на тръбопровод
Дефиниране на изходни артефакти
Съхраняване на метаданни за набори от данни и модели
Хиперпараметрична настройка с TensorFlow
Визуализиране и анализиране на резултатите
Мулти-GPU обучение
Създаване на сървър за изводи за внедряване на ML модели
Работа с JupyterHub
Networking и балансиране на натоварването
Автоматично мащабиране на Kubernetes клъстер
Отстраняване на неизправности
Обобщение и заключение
Изисквания
- Познаване на синтаксиса на Python
- Опит с Tensorflow, PyTorch или друга рамка за машинно обучение
- AWS акаунт с необходимите ресурси
Публика
- Разработчици
- Учени по данни
Oтзиви от потребители (1)
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.