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
- Kubeflow auf IKS vs. On-Premise vs. andere öffentliche Cloud-Anbieter
Überblick über Kubeflow Funktionen in der IBM Cloud
- IKS
- IBM Cloud-Objektspeicher
Überblick über die Einrichtung der Umgebung
- Virtuelle Maschinen vorbereiten
- Einrichten eines Kubernetes-Clusters
Einrichten Kubeflow on IBM Cloud
- Installieren Kubeflow durch IKS
Codierung des Modells
- Auswahl eines ML-Algorithmus
- Implementierung eines TensorFlow CNN-Modells
Lesen der Daten
- Accessür den MNIST-Datensatz
Pipelines in der IBM Cloud
- Einrichten einer End-to-End Kubeflow-Pipeline
- Anpassen von Kubeflow-Pipelines
Durchführung einer ML-Ausbildungsstelle
- Training eines MNIST-Modells
Einsatz des Modells
- Laufender TensorFlow Dienst am IKS
Einbindung des Modells in eine Webanwendung
- Erstellen einer Beispielanwendung
- Senden von Vorhersageanforderungen
Verabreichung Kubeflow
- Überwachung mit Tensorboard
- Protokolle verwalten
Absicherung eines Kubeflow Clusters
- Einrichten von Authentifizierung und Autorisierung
Fehlersuche
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Verständnis für Konzepte des maschinellen Lernens.
- Kenntnisse über Cloud-Computing-Konzepte.
- Ein allgemeines Verständnis von Containern (Docker) und Orchestrierung (Kubernetes).
- Ein wenig Python Programmiererfahrung ist hilfreich.
- Erfahrung im Umgang mit einer Kommandozeile.
Publikum
- Datenwissenschaftler.
- DevOps Ingenieure, die an der Entwicklung von Modellen für maschinelles Lernen interessiert sind.
- Infrastrukturingenieure, die an der Bereitstellung von maschinellen Lernmodellen interessiert sind.
- Software-Ingenieure, die die Integration und Bereitstellung von Funktionen des maschinellen Lernens in ihrer Anwendung automatisieren möchten.
28 Stunden
Erfahrungsberichte (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Kurs - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
