Schița de curs
Introducere
Prezentare generală a funcțiilor și componentelor Kubeflow
- Containere, manifestări, etc.
Prezentare generală a unei conducte Machine Learning
- Instruire, testare, reglare, implementare etc.
Implementarea Kubeflow într-un cluster Kubernetes
- Pregătirea mediului de execuție (cluster de instruire, cluster de producție etc.)
- Descărcarea, instalarea și personalizarea.
Executarea unei conducte Machine Learning pe Kubernetes
- Construirea unei conducte TensorFlow.
- Construirea unei conducte PyTorch.
Vizualizarea rezultatelor
- Exportul și vizualizarea metricilor conductei
Personalizarea mediului de execuție
- Personalizarea stivei pentru diverse infrastructuri
- Actualizarea unei implementări Kubeflow
Executarea Kubeflow pe cloud-uri publice
- AWS, Microsoft Azure, Google Cloud Platform
Gestionarea fluxurilor de lucru de producție
- Rularea cu metodologia GitOps
- Programarea lucrărilor
- Crearea de notebook-uri Jupyter
Rezolvarea problemelor
Rezumat și concluzie
Cerințe
- Familiaritate cu sintaxa Python
- Experiență cu Tensorflow, PyTorch sau alt cadru de învățare automată
- Un cont de furnizor de cloud public (opțional)
Audiență
- Dezvoltatori
- Oameni de știință în domeniul datelor
Mărturii (1)
Am apreciat participarea la antrenamentul Kubeflow, care s-a desfășurat în mod remote. Acest antrenament m-a permis să consolidez cunoștințele despre serviciile AWS, K8s și toolele devOps din jurul Kubeflow, care sunt bazele necesare pentru a aborda subiectul în mod corespunzător. Doresc să-i mulțumesc lui Malawski Marcin pentru paciența și profesionalismul arătat în antrenament și în oferirea de sfaturi privind cele mai bune practici. Malawski abordează subiectul din diferite perspective, folosind diverse instrumente de dezvoltare Ansible, EKS kubectl, Terraform. Acum sunt cu siguranță convins că mă îndrept către domeniul potrivit de aplicare.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curs - Kubeflow
Tradus de catre o masina