Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung
Überblick über die Funktionen und Komponenten von Kubeflow
- Container, Manifeste usw.
Überblick über eine Machine-Learning-Pipeline
- Training, Testen, Feinabstimmung, Bereitstellung usw.
Bereitstellung von Kubeflow in einem Kubernetes-Cluster
- Vorbereitung der Ausführungsumgebung (Trainingscluster, Produktionscluster usw.)
- Herunterladen, Installieren und Anpassen.
Ausführen einer Machine-Learning-Pipeline auf Kubernetes
- Erstellen einer TensorFlow-Pipeline.
- Erstellen einer PyTorch-Pipeline.
Visualisierung der Ergebnisse
- Export und Visualisierung von Pipeline-Metriken
Anpassung der Ausführungsumgebung
- Anpassung des Stacks für verschiedene Infrastrukturen
- Aufwertung einer Kubeflow-Bereitstellung
Ausführen von Kubeflow in öffentlichen Clouds
- AWS, Microsoft Azure, Google Cloud Platform
Verwaltung von Produktions-Workflows
- Ausführung mit GitOps-Methodik
- Planung von Jobs
- Erstellen von Jupyter-Notebooks
Fehlerbehebung
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Kenntnisse der Python-Syntax
- Erfahrung mit TensorFlow, PyTorch oder anderen Machine-Learning-Frameworks
- Ein Konto bei einem öffentlichen Cloud-Anbieter (optional)
Zielgruppe
- Entwickler
- Data Scientists
28 Stunden