План на курса

Въведение

    Kubeflow on AWS срещу локални срещу други публични доставчици на облак

Преглед на Kubeflow функции и архитектура

Активиране на AWS акаунт

Подготовка и стартиране на GPU активирани AWS екземпляри

Настройване на потребителски роли и разрешения

Подготовка на средата за изграждане

Избор на TensorFlow модел и набор от данни

Опаковане на код и рамки в Docker изображение

Настройване на Kubernetes клъстер с помощта на EKS

Подреждане на данните за обучение и валидиране

Конфигуриране на Kubeflow тръбопроводи

Стартиране на задание за обучение с помощта на Kubeflow в EKS

Визуализиране на заданието за обучение по време на изпълнение

Почистване след завършване на работата

Отстраняване на неизправности

Обобщение и заключение

Изисквания

  • Разбиране на концепциите за машинно обучение.
  • Познаване на концепциите за облачни изчисления.
  • Общо разбиране за контейнери (Docker) и оркестрация (Kubernetes).
  • Известен Python опит в програмирането е полезен.
  • Опит при работа с команден ред.

Публика

  • Инженери по наука за данни.
  • DevOps инженери, които се интересуват от внедряването на модел за машинно обучение.
  • Инфраструктурните инженери се интересуват от внедряването на модели за машинно обучение.
  • Софтуерни инженери, желаещи да интегрират и внедрят функции за машинно обучение със своето приложение.
  28 Hours
 

Брой участници


Започва

Свършва


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Свързани Kурсове

MLOps: CI/CD for Machine Learning

  35 Hours

Свързани Kатегории