Kontakt aufnehmen

Schulungsübersicht

Einführung in Kubeflow

  • Die Ziele und die Architektur von Kubeflow im Überblick
  • Hauptkomponenten sowie das gesamte Ökosystem
  • Möglichkeiten der Implementierung sowie Plattformfunktionen

Umgang mit dem Kubeflow-Dashboard

  • Navigation im Benutzerinterface
  • Verwaltung von Notebooks und Arbeitsbereichen
  • Integration von Speichern sowie Datenquellen

Grundlagen zu Kubeflow Pipelines

  • Aufbau von Pipelines sowie Gestaltung der Komponenten
  • Erstellung von Pipelines mithilfe des Python SDKs
  • Ausführen, Planen und Überwachen laufender Pipeline-Vorgänge

Training von Machine-Learning-Modellen mit Kubeflow

  • Strategien für verteiltes Training
  • Einsatz von TFJob, PyTorchJob sowie weiteren Operatoren
  • Ressourcenmanagement und automatisches Skalieren in Kubernetes

Modellbereitstellung mit Kubeflow

  • Einführung in KFServing bzw. KServe
  • Implementierung von Modellen mitsamt benutzerdefinierten Laufzeitumgebungen
  • Verwaltung von Revisionen, Skalierungsverhalten sowie Lastverteilung

Steuerung von ML-Workflows auf Kubernetes

  • Versionierung von Daten, Modellen und sonstigen Artefakten
  • Einbindung von CI/CD-Prozessen in ML-Workflows
  • Sicherheitsaspekte sowie rollenbasierte Zugriffssteuerung

Best Practices für den produktiven Einsatz von Machine Learning

  • Gestaltung stabiler und zuverlässiger Workflow-Strukturen
  • Beobachtbarkeit sowie Überwachung der Prozesse
  • Lösungsstrategien für typische Probleme in Kubeflow-Umgebungen

Erweiterte Themen (optional)

  • Multitenant-Umgebungen mit Kubeflow
  • Szenarien für hybride oder mehrklusterbasierte Implementierungen
  • Erweiterung von Kubeflow durch spezialisierte Komponenten

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundkenntnisse im Umgang mit containerisierten Anwendungen
  • Erfahrung in der Arbeit mit der Kommandozeile
  • Vertrautheit mit grundlegenden Konzepten von Kubernetes

Zielgruppe

  • ML-Praktikerinnen und -Praktiker
  • Datenwissenschaftlerinnen und -wissenschaftler
  • DevOps-Teams, die noch keine Erfahrung mit Kubeflow haben
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (3)

Kommende Kurse

Verwandte Kategorien