Kursplan

Introduksjon

    Kubeflow på GCK vs on-premise vs på andre offentlige skyleverandører

Oversikt over Kubeflow funksjoner på GCP

    Deklarativ administrasjon av ressurser GKE autoskalering for maskinlæring (ML) arbeidsbelastninger Sikre tilkoblinger til Jupyter Vedvarende logger for feilsøking og feilsøking GPUer og TPUer for å akselerere arbeidsbelastninger

Oversikt over miljøoppsett

    Klargjøring av virtuell maskin Kubernetes klyngeoppsett Kubeflow-installasjon

Utplasserer Kubeflow

    Distribuere Kubeflow on GCP Distribuere Kubeflow på tvers av lokale og skymiljøer Distribuere Kubeflow på GKE Sette opp et tilpasset domene på GKE

Rørledninger på GCP

    Sette opp en ende-til-ende Kubeflow rørledning Tilpasse Kubeflow rørledninger

Sikring av en Kubeflow klynge

    Sette opp autentisering og autorisasjon Bruke VPC-tjenestekontroller og privat GKE

Lagring, Accessing, administrasjon av data

    Forstå delte filsystemer og Network Attached Storage (NAS) Bruke administrerte fillagringstjenester i GCE

Kjører en ML-treningsjobb

    Trening av en MNIST-modell

Administrerer Kubeflow

    Logging og overvåking

Feilsøking

Oppsummering og konklusjon

Krav

  • En forståelse av konsepter for maskinlæring.
  • Kunnskap om cloud computing konsepter.
  • En generell forståelse av containere (Docker) og orkestrering (Kubernetes).
  • Noe Python programmeringserfaring er nyttig.
  • Erfaring med å jobbe med en kommandolinje.

Publikum

  • Datavitenskapelige ingeniører.
  • DevOps ingeniører som er interessante i utrulling av maskinlæringsmodeller.
  • Infrastrukturingeniører som er interessante i utrulling av maskinlæringsmodeller.
  • Programvareingeniører som ønsker å automatisere integrering og distribusjon av maskinlæringsfunksjoner med applikasjonen deres.
  28 timer
 

Antall deltakere


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.

Price per participant
Open Training Courses require 5+ participants.

Testimonials (2)

Relaterte kurs

Related Categories