Свържете се с нас
 Продължителност 14 часa

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 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 проектиране на компоненти
  • Създаване на пайплайни с Python SDK
  • Изпълнение, планиране и наблюдение на изпълненията на пайплайни

Обучение на модели за машинно обучение с Kubeflow

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

Внедряване на модели с Kubeflow

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

Управление на работни потоци за машинно обучение в Kubernetes

  • Версиониране на данни, модели и артефакти
  • Интегриране на CI/CD за пайплайни за машинно обучение
  • Сигурност и контрол на достъпа на база роли

Най-добри практики за производствено машинно обучение

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

Разширени теми (по избор)

  • Мултитенантни 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 потоци в командния ред
  • Запознатост с концепциите на Kubernetes

Аудитория

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

Брой участници


Цена за участник

Отзиви от участници (4)

Предстоящи Курсове

Свързани Kатегории