
Von Lehrern geleitete Live-Kubeflow-Schulungen online oder vor Ort demonstrieren anhand interaktiver praktischer Übungen, wie Sie Kubeflow zum Erstellen, Bereitstellen und Verwalten von Machine-Learning-Workflows auf Kubernetes verwenden. Kubeflow-Schulungen sind als „Online-Live-Schulung“ oder „Vor-Ort-Live-Schulung“ verfügbar. Das Online-Live-Training (auch „Remote-Live-Training“) wird über einen interaktiven Remote-Desktop durchgeführt. Vor-Ort-Live-Schulungen können vor Ort beim Kunden in Schweiz oder in den Schulungszentren von NobleProg in Schweiz durchgeführt werden. NobleProg – Ihr lokaler Schulungsanbieter
Machine Translated
Kubeflow Course Outlines
-
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 Schulung werden die Teilnehmer in der Lage sein:
Kubernetes und Kubeflow auf einem OpenShift-Cluster zu installieren und zu konfigurieren.
OpenShift verwenden, um die Initialisierung eines Kubernetes-Clusters zu vereinfachen.
Eine Kubernetes-Pipeline für die Automatisierung und Verwaltung von ML-Modellen in der Produktion zu erstellen und bereitzustellen.
Trainieren und Bereitstellen TensorFlow von ML-Modellen auf mehreren parallel laufenden GPUs und Maschinen.
Aufrufen öffentlicher Cloud-Dienste (z. B. AWS-Dienste) von OpenShift aus, um eine ML-Anwendung zu erweitern.
-
Interaktive Vorlesung und Diskussion.
Viele Übungen und Praxis.
Praktische Umsetzung in einer Live-Laborumgebung.
-
Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um dies zu vereinbaren.
-
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: