Schița de curs

Introducere

  • Kubeflow on OpenShift față de serviciile gestionate în cloud public

Prezentare generală a Kubeflow on OpenShift

  • Containere pentru citirea codului
  • Opțiuni de stocare

Prezentare generală despre configurarea mediului

  • Configurarea unui cluster Kubernetes.

Configurare Kubeflow on OpenShift

  • Instalare Kubeflow

Codarea modelului

  • Alegerea unui algoritm ML
  • Implementarea unui model TensorFlow CNN

Citirea Datelor

  • Accessfiind un set de date

Conducte Kubeflow pe OpenShift

  • Configurarea unei conducte de la capăt la capăt Kubeflow.
  • Personalizarea Kubeflow Conducte

Rularea unui job de formare ML

  • Antrenarea unui model

Implementarea modelului

  • Rularea unui model antrenat pe OpenShift

Integrarea modelului într-o aplicație web

  • Crearea unui exemplu de aplicație
  • Trimiterea cererilor de predicții

Administrarea Kubeflow

  • Monitorizare cu Tensorboard
  • Gestionarea jurnalelor

Securizarea unui Kubeflow Cluster

  • Configurare autentificare și autorizare

Depanare

Rezumat și Concluzie.

Cerințe

  • O înțelegere a conceptelor de învățare a mașinilor.
  • Cunoașterea conceptelor de cloud computing.
  • .
  • O înțelegere generală a containerelor (Docker) și a orchestrației (Kubernetes).
  • O anumită experiență de programare Python este utilă.
  • Experiență de lucru cu o linie de comandă.

Audiență

  • Inginerii de știință a datelor.
  • DevOps ingineri interesați de implementarea modelelor de învățare automată.
  • Inginerii de infrastructură interesați de implementarea modelului de învățare automată.
  • Inginerii de software care doresc să automatizeze integrarea și implementarea funcțiilor de învățare automată cu aplicația lor
  • .
 28 ore

Mărturii (4)

Cursuri înrudite

Categorii înrudite