Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение
Обща информация за функциите и компонентите на Kubeflow
- Контейнери, манифести и др.
Обща информация за пайплайн за машинно обучение
- Обучение, тестване, тюнинг, разпространение и др.
Разпространяване на Kubeflow в Kubernetes кластер
- Подготовка на изпълнителната среда (обучаващ кластер, продукционен кластер и др.)
- Изтегляне, инсталиране и персонализиране.
Изпълняване на пайплайн за машинно обучение в Kubernetes
- Създаване на TensorFlow пайплайн.
- Създаване на PyTorch пайплайн.
Визуализиране на резултатите
- Експортиране и визуализиране на метрики от пайплайна
Персонализиране на изпълнителната среда
- Персонализиране на стека за разнообразни инфраструктури
- Обновяване на инсталацията на Kubeflow
Пълен преглед на функционирането на Kubeflow в публични облакове
- AWS, Microsoft Azure, Google Cloud Platform
Управление на продукционни работни потоци
- Работа с методология GitOps
- Планиране на задачи (jobs)
- Стартиране на Jupyter ноутбъкове
Отстраняване на грешки (Troubleshooting)
Резюме и заключение
Изисквания
- Знакомство със синтаксиса на Python
- Опит с TensorFlow, PyTorch или друга рамка за машинно обучение
- Сметка в публичен облачен доставчик (по избор)
Целева аудитория
- Разработчици
- Учени в областта на данните
28 Часа