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.
Dauer 28 Stunden
Schulungsübersicht
Einleitung
Übersicht über die Funktionen und Komponenten von Kubeflow
- Container, Manifeste usw.
Übersicht über eine Machine-Learning-Pipeline
- Training, Testen, Tuning, Bereitstellung usw.
Bereitstellung von Kubeflow in einem Kubernetes-Cluster
- Vorbereiten der Ausführungsumgebung (Training-Cluster, Produktions-Cluster usw.)
- Herkunft, Installation und Anpassung.
Ausführen einer Machine-Learning-Pipeline auf Kubernetes
- Aufbau einer TensorFlow-Pipeline.
- Aufbau 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
Nutzung von Kubeflow in öffentlichen Clouds
- AWS, Microsoft Azure, Google Cloud Platform
Verwaltung von Produktions-Workflows
- Ausführung nach der GitOps-Methodik
- Zeitplanung von Jobs
- Erzeugen von Jupyter-Notebooks
Voraussetzungen
- Grundlegende Kenntnisse der Python-Syntax
- Erfahrung mit Tensorflow, PyTorch oder anderen Machine-Learning-Frameworks
- Ein Konto bei einem öffentlichen Cloud-Anbieter (optional)
Zielgruppe
- Entwickler
- Data Scientists