Kursplan

Introduksjon

    Introduksjon til Kubernetes Oversikt over Kubeflow funksjoner og arkitektur Kubeflow på AWS vs on-premise vs på andre offentlige skyleverandører

Sette opp en klynge ved hjelp av AWS EKS

Sette opp en lokal klynge ved hjelp av Microk8s

Distribuerer Kubernetes ved hjelp av en GitOps-tilnærming

Datalagringsmetoder

Opprette en Kubeflow rørledning

Utløser en rørledning

Definere utgangsartefakter

Lagring av metadata for datasett og modeller

Hyperparameterjustering med TensorFlow

Visualisere og analysere resultatene

Multi-GPU Trening

Opprette en inferensserver for distribusjon av ML-modeller

Jobber med JupyterHub

Networking og Lastbalansering

Automatisk skalering av en Kubernetes-klynge

Feilsøking

Oppsummering og konklusjon

Krav

  • Kjennskap til Python-syntaks
  • Erfaring med Tensorflow, PyTorch eller annet rammeverk for maskinlæring
  • En AWS-konto med nødvendige ressurser

Publikum

  • Utviklere
  • Dataforskere
  35 timer

Antall deltakere



Price per participant

Testimonials (1)

Relaterte kurs

Related Categories