Свържете се с нас

Съдържание и теми, включени в курса

Въведение в Kubeflow

  • Разбиране на мисията и архитектурата на Kubeflow
  • Преглед на основните компоненти и екосистемата
  • Опции за внедряване и възможности на платформата

Работа с таблото за управление на Kubeflow

  • Навигация в потребителския интерфейс
  • Управление на тетрадки и работни пространства
  • Интегриране на хранилища и източници на данни

Основи на Kubeflow Pipelines

  • Структура на пайплайна и дизайн на компонентите
  • Създаване на пайплайни с Python SDK
  • Изпълнение, планиране и наблюдение на изпълненията на пайплайни

Обучение на ML модели в Kubeflow

  • Модели за разпределено обучение
  • Използване на TFJob, PyTorchJob и други оператори
  • Управление на ресурси и автоматично мащабиране в Kubernetes

Предоставяне на модели с Kubeflow

  • Преглед на KFServing / KServe
  • Внедряване на модели с персонализирани среди за изпълнение
  • Управление на ревизии, мащабиране и маршрутизиране на трафика

Управление на работни процеси за ML в Kubernetes

  • Версиониране на данни, модели и артефакти
  • Интегриране на CI/CD за ML пайплайни
  • Сигурност и контрол на достъпа, базиран на роли

Добри практики за ML в производствена среда

  • Проектиране на надеждни модели на работни процеси
  • Наблюдаемост и мониторинг
  • Отстраняване на често срещани проблеми с Kubeflow

Разширени теми (По избор)

  • Многонаемни среди на Kubeflow
  • Сценарии за хибридно и многоклъстерно внедряване
  • Разширяване на Kubeflow с персонализирани компоненти

Обобщение и следващи стъпки

Изисквания

  • Разбиране на контейнеризирани приложения
  • Опит с основни работни процеси в команден ред
  • Запознатост с концепциите на Kubernetes

Аудитория

  • Специалисти по машинно обучение
  • Специалисти по данни
  • DevOps екипи, които са нови за Kubeflow
 14 Часа

Брой участници


Цена за участник

Отзиви от участници (3)

Предстоящи Курсове

Свързани Kатегории