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.
Dauer 28 Stunden
Schulungsübersicht
Einführung
Überblick über die Funktionen und Komponenten von Kubeflow
- Container, Manifeste usw.
Überblick über einen Machine-Learning-Pipeline
- Training, Testen, Tuning, Deployment usw.
Bereitstellung von Kubeflow in einem Kubernetes-Cluster
- Vorbereitung der Ausführungsumgebung (Trainingscluster, Produktionscluster usw.)
- Herunterladen, Installation und Anpassung.
Ausführung einer Machine-Learning-Pipeline auf Kubernetes
- Erstellung einer TensorFlow-Pipeline.
- Erstellung einer PyTorch-Pipeline.
Visualisierung der Ergebnisse
- Export und Visualisierung von Pipeline-Metriken
Anpassung der Ausführungsumgebung
- Anpassung des Stacks für verschiedene Infrastrukturen
- Upgrade eines Kubeflow-Deployments
Ausführung von Kubeflow in öffentlichen Clouds
- AWS, Microsoft Azure, Google Cloud Platform
Verwaltung von Produktions-Workflows
- Ausführung nach der GitOps-Methodik
- Planung von Jobs
- Erzeugung von Jupyter-Notebooks
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