Formare online Kubeflow în Moldova

Kubeflow este o platformă open-source concepută pentru a simplifica construirea, instruirea și implementarea sarcinilor de învățare automată pe Kubernetes.

Această instruire condusă de instructor (online sau pe fața locului) este destinată profesionistilor la nivel începător până la intermediar care doresc să construiască fluxuri de lucru ML fiabile folosind Kubeflow.

La finalizarea acestei instruirile, participanții vor dobândi abilitatea de a:

• Naviga în ecosistemul Kubeflow și componente principale.
• Construi fluxuri de lucru reproduceabile folosind Kubeflow Pipelines.
• Executa sarcini de instruire scalabile pe Kubernetes.
• Implementa modele de învățare automată eficient folosind Kubeflow Serving.

Formatul Cursului

• Prezentări ghidate și discuții collaborative.
• Laboratoare practice cu componente Kubeflow reale.
• Exerciții practice pentru construirea fluxurilor de lucru ML de la capăt până la capăt.

Opțiuni de Personalizare a Cursului

• Versiuni personalizate ale acestei instruiri pot fi organizate pentru a se alinia cu stiva tehnologică și cerințele proiectelor echipei dumneavoastră.

Acest curs de formare live, condus de un instructor în Moldova (online sau la fața locului) se adresează dezvoltatorilor și cercetătorilor de date care doresc să construiască, să implementeze și să gestioneze fluxuri de lucru de învățare automată pe Kubernetes.

La finalul acestei formări, participanții vor fi capabili să:

• Să instaleze și să configureze Kubeflow în incintă și în cloud utilizând AWS EKS (Elastic Kubernetes Service).
• Să construiască, să implementeze și să gestioneze fluxuri de lucru ML bazate pe containere Docker și Kubernetes.
• Rulați conducte întregi de învățare automată pe diverse arhitecturi și medii cloud.
• Utilizarea Kubeflow pentru a genera și gestiona notebook-uri Jupyter.
• Construiți instruiri ML, reglarea hiperparametrilor și servirea sarcinilor de lucru pe mai multe platforme.

Această instruire condusă de instructor (online sau prezențial) se adresează inginerilor care doresc să dezvolte sarcini de Machine Learning pe un server AWS EC2.

La finalul acestei instruirii, participanții vor putea:

• Instala și configura Kubernetes, Kubeflow și alte software necesare pe AWS.
• Folosi EKS (Elastic Kubernetes Service) pentru a simplifica inițializarea unui cluster Kubernetes pe AWS.
• Creați și implementați o pipeline Kubernetes pentru automatizarea și gestionarea modelilor ML în producție.
• Invațați și implementați modele de ML TensorFlow pe mai multe GPU-uri și mașini care rulează în paralel.
• Exploatați alte servicii gestionate AWS pentru a extinde o aplicație ML.

Această instruire condusă de instructor (online sau în locație) se adresează inginerilor care doresc să implementeze sarcini de Machine Learning pe cloud-ul Azure.

La sfârșitul acestei instruiți, participanții vor fi capabili să:

• Instaleze și configureze Kubernetes, Kubeflow și alte software necesare pe Azure.
• Folosească Azure Kubernetes Service (AKS) pentru a simplifica munca de inițializare a unui cluster Kubernetes pe Azure.
• Creeze și implementeze o pipeline Kubernetes pentru automatizarea și gestionarea modelelor ML în producție.
• Antreneze și implementeze modele TensorFlow ML pe mai multe GPU-uri și mașini care rulează în paralel.
• Lucrască cu alte servicii gestionate de AWS pentru a extinde o aplicație ML.

Acest curs de formare live, condus de un instructor în Moldova (online sau la fața locului) se adresează dezvoltatorilor și cercetătorilor de date care doresc să construiască, să implementeze și să gestioneze fluxuri de lucru de învățare automată pe Kubernetes.

La finalul acestei formări, participanții vor fi capabili să:

• Să instaleze și să configureze Kubeflow în incintă și în cloud.
• Să construiască, să implementeze și să gestioneze fluxuri de lucru ML bazate pe containere Docker și Kubernetes.
• Să ruleze conducte întregi de învățare automată pe diverse arhitecturi și medii cloud.
• Utilizarea Kubeflow pentru a genera și gestiona notebook-uri Jupyter.
• Construiți instruiri ML, reglarea hiperparametrilor și servirea sarcinilor de lucru pe mai multe platforme.