
Lokale Live- Kubeflow Schulungskurse, die von Lehrern geleitet werden, demonstrieren anhand interaktiver praktischer Übungen, wie Kubeflow zum Erstellen, Bereitstellen und Verwalten von Workflows für maschinelles Lernen auf Kubernetes . Kubeflow Training ist als "Onsite-Live-Training" oder "Remote-Live-Training" verfügbar. Vor-Ort-Live-Schulungen können vor Ort beim Kunden in Berlin durchgeführt werden Schweiz oder in NobleProg Firmenschulungszentren in Schweiz . Das Remote-Live-Training erfolgt über einen interaktiven Remote-Desktop. NobleProg - Ihr lokaler Schulungsanbieter
Machine Translated
Erfahrungsberichte
Anpassung an unsere Bedürfnisse
Sumitomo Mitsui Finance and Leasing Company, Limited
Kurs: Kubeflow
Machine Translated
Kubeflow Kurspläne
-
Installieren und konfigurieren Sie Kubeflow auf Prämise und im Cloud mit AWS EKS (Elastic Kubernetes Service).
Erstellen, implementieren und verwalten ML Workflows basierend auf Docker Container und Kubernetes.
Führen Sie die gesamten Maschinenlernen auf verschiedenen Architekturen und Cloud-Umgebungen.
Verwenden Sie Kubeflow, um Jupyter Notebooks zu spannen und zu verwalten.
Erstellen Sie ML-Training, Hyperparameter-Tuning und Service-Workloads auf mehreren Plattformen.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
-
Installieren und konfigurieren Kubernetes, Kubeflow und andere benötigte Software auf AWS.
Verwenden Sie EKS (Elastic Kubernetes Service), um die Arbeit der Initialisierung eines Kubernetes Clusters auf AWS zu vereinfachen.
Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion.
Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren.
Leverage andere AWS verwaltete Dienste, um eine ML-Anwendung zu erweitern.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
-
Installieren und konfigurieren Kubernetes, Kubeflow und andere benötigte Software auf Azure.
Verwenden Sie Azure Kubernetes Service (AKS), um die Arbeit der Initialisierung eines Kubernetes Cluster auf Azure zu vereinfachen.
Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion.
Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren.
Leverage andere AWS verwaltete Dienste, um eine ML-Anwendung zu erweitern.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
-
Installieren und konfigurieren Kubernetes, Kubeflow und andere benötigte Software auf GCP und GKE.
Verwenden Sie GKE (Kubernetes Kubernetes Engine), um die Arbeit der Initialisierung eines Kubernetes Clusters auf GCP zu vereinfachen.
Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion.
Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren.
Leverage andere GCP-Dienste, um eine ML-Anwendung zu erweitern.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
-
Installieren und konfigurieren Kubernetes, Kubeflow und andere benötigte Software auf IBM Cloud Kubernetes Service (IKS).
Verwenden Sie IKS, um die Arbeit der Initialisierung eines Kubernetes Clusters auf der IBM Cloud zu vereinfachen.
Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion.
Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren.
Leverage andere IBM Cloud-Dienste, um eine ML-Anwendung zu erweitern.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
-
Am Ende dieser Ausbildung können die Teilnehmer:
Und siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe, siehe!
Verwenden Sie OpenShift, um die Arbeit der Initialisierung eines Kubernetes Clusters zu vereinfachen.
Erstellen und implementieren Sie eine Kubernetes Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion.
Trainieren und implementieren Sie TensorFlow ML-Modelle über mehrere GPUs und Maschinen, die parallel funktionieren.
Anrufen Sie öffentliche Cloud-Dienstleistungen (z. B. AWS-Dienstleistungen) von innen OpenShift, um eine ML-Anwendung zu erweitern.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
-
Installieren und konfigurieren Kubeflow auf Prämise und im Cloud.
Erstellen, implementieren und verwalten ML Workflows basierend auf Docker Container und Kubernetes.
Führen Sie die gesamten Maschinenlernen auf verschiedenen Architekturen und Cloud-Umgebungen.
Verwenden Sie Kubeflow, um Jupyter Notebooks zu spannen und zu verwalten.
Erstellen Sie ML-Training, Hyperparameter-Tuning und Service-Workloads auf mehreren Plattformen.
-
Interaktive Unterricht und Diskussion.
Viele Übungen und Übungen.
Hand-on Implementierung in einem Live-Lab-Umfeld.
-
Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.
Um mehr über Kubeflow zu erfahren, besuchen Sie bitte: https://github.com/kubeflow/kubeflow
Last Updated: