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
Überblick über die Funktionen und Komponenten von Kubeflow
- Container, Manifeste usw.
Überblick über eine Machine-Learning-Pipeline
- Training, Testen, Tuning, Bereitstellung usw.
Bereitstellung von Kubeflow in einem Kubernetes-Cluster
- Vorbereitung der Ausführungsumgebung (Trainingscluster, Produktionscluster usw.)
- Herunterladen, Installation und Anpassung.
Ausführen einer Machine-Learning-Pipeline auf Kubernetes
- Erstellung einer TensorFlow-Pipeline.
- Erstellung einer PyTorch-Pipeline.
Visualisierung der Ergebnisse
- Export und Visualisierung von Pipeline-Metriken
Anpassung der Ausführungsumgebung
- Anpassung des Stacks für unterschiedliche Infrastrukturen
- Aktualisierung einer Kubeflow-Bereitstellung
Ausführen von Kubeflow in öffentlichen Clouds
- AWS, Microsoft Azure, Google Cloud Platform
Verwaltung von Produktions-Workflows
- Ausführung mit GitOps-Methodik
- Zeitplanung von Jobs
- Erstellung von Jupyter-Notebooks
Fehlerbehebung
Zusammenfassung und Fazit
Voraussetzungen
- Grundkenntnisse in der Python-Syntax
- Erfahrung mit TensorFlow, PyTorch oder einem anderen Machine-Learning-Framework
- Ein Konto bei einem öffentlichen Cloud-Anbieter (optional)
Zielgruppe
- Entwickler
- Data Scientists
28 Stunden